当前位置: 首页 > news >正文

传送带异物检测玻璃碴子检测数据集VOC+YOLO格式156张1类别

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)

图片数量(jpg文件个数):156

标注数量(xml文件个数):156

标注数量(txt文件个数):156

标注类别数:1

所在github仓库:firc-dataset

标注类别名称:["glass"]

每个类别标注的框数:

glass 框数 = 1225

总框数:1225

图片分辨率:1280x600

使用标注工具:labelImg

标注规则:对类别进行画矩形框

重要说明:暂无

特别声明:本数据集不对训练的模型或者权重文件精度作任何保证

图片预览:

标注例子:

http://www.rkmt.cn/news/126006.html

相关文章:

  • Linly-Talker与Stable Diffusion结合的可能性探索
  • JavaSE——键盘录入
  • 写给未来的自己:一名测试开发工程师的十年之约
  • (独家披露)Open-AutoGLM与大模型协同创新路径图(仅限内部交流版)
  • 2025年广东半导体产业园选址公司权威推荐榜单:新材料产业园选址/预制菜产业园选址/人工智能产业园选址咨询机构精选 - 品牌推荐官
  • 如何在不牺牲性能的前提下实现Open-AutoGLM级数据保护?:一线专家实战经验分享
  • 2025年海口知名的消防排烟防火阀公司排行榜,卡式风机盘管/吊顶式空调机组/直膨式空调机组/消防排烟防火阀设计找哪家 - 品牌推荐师
  • Linly-Talker能否实现语音打断与即时响应?
  • 2025海外游学机构TOP5权威推荐:达美游学,甄选优质行学伙伴助力青少年国际视野腾飞 - 工业推荐榜
  • 【Open-AutoGLM调参实战指南】:掌握模型动态优化的5大核心技巧
  • 开关磁阻电机(SRM)仿真:从Matlab到Maxwell
  • 【大模型效率提升300%的秘密】:Open-AutoGLM协同优化的7个关键技术点
  • 环境不稳定?容器化治理方案
  • 【AI工程化新里程碑】:Open-AutoGLM在工业质检中的7个关键优化步骤
  • conda命令效率翻倍:你可能不知道的10个技巧
  • 【第67套】邮电之首,难度骤降。
  • Hadoop数据统计:描述性分析指南
  • JavaSE——标识符
  • 【一天一个黑客小知识】2025终极指南:十大黑客攻防技术从入门到精通,零基础直通大师
  • 9个AI工具,助你轻松搞定本科论文!
  • 【Open-AutoGLM社会效率预测】:揭秘AI如何重塑未来生产力格局
  • Open-AutoGLM如何重塑行业智能?:解析5大垂直场景落地进展与挑战
  • Linly-Talker能否支持方言语音输入与输出?
  • 开发工具使用 - Intellij Idea
  • Open-AutoGLM能否通过中国网信办审查?:最新监管条例下的生存概率分析
  • 2025年大阪房产咨询公司推荐,大阪低价拍卖房产与破产拍卖房产企业全解析 - myqiye
  • 2025年推荐门窗十大品牌实力厂商全解析,专业定制与品质保障企业盘点 - 工业推荐榜
  • Open-AutoGLM监管影响全景图(仅限内部专家视角,限时公开)
  • 如何通过微调提升Linly-Talker特定场景表现力?
  • 【Linux网络基础】UDP (用户数据报协议) 数据传输全流程深度解析