钢材缺陷识别分割数据集labelme格式693张4类别

数据集格式:labelme格式(不包含mask文件,仅仅包含jpg图片和对应的json文件)

图片数量(jpg文件个数):693

标注数量(json文件个数):693

标注类别数:4

标注类别名称:["Crack","Welding line","Porosity","Spatters"]

每个类别标注的框数:

Crack count = 297

Welding line count = 979

Porosity count = 3644

Spatters count = 5814

使用标注工具:labelme=5.5.0

标注规则:对类别进行画多边形框polygon

重要说明:可以将数据集用labelme打开编辑,json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割

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,数据集只提供准确且合理标注

图片预览:

标注例子:

相关推荐
m0_7048878929 分钟前
Day 47
深度学习
haiyu_y35 分钟前
Day 51 在预训练 ResNet18 中注入 CBAM 注意力
人工智能·pytorch·深度学习
拉拉拉拉拉拉拉马40 分钟前
感知机(Perceptron)算法详解
人工智能·python·深度学习·算法·机器学习
最晚的py1 小时前
参数初始化的方式
深度学习·初始化参数
jay神1 小时前
基于YOLOv8的行人车辆检测系统
人工智能·深度学习·yolo·计算机视觉·毕业设计
囊中之锥.2 小时前
《深度学习》CUDA安装配置、pytorch库、torchvision库、torchaudio库安装
人工智能·pytorch·深度学习
ttttming2 小时前
day33 简单神经网络
人工智能·深度学习·神经网络
凌峰的博客3 小时前
基于深度学习的图像安全与隐私保护研究方向调研(中)
人工智能·深度学习·安全
上天夭9 小时前
模型训练篇
人工智能·深度学习·机器学习
Blossom.1189 小时前
AI编译器实战:从零手写算子融合与自动调度系统
人工智能·python·深度学习·机器学习·flask·transformer·tornado