电力场景电杆类型识别分割数据集labelme格式4707张9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):4707

标注数量(json文件个数):4707

标注类别数:9

标注类别名称:["1pole","2pole","4pole","npole","wall","car","tree","other","3pole"]

每个类别标注的框数:

1pole(单杆结构电杆) count = 3238

2pole count(双杆结构电杆) = 1457

4pole count(四杆结构电杆) = 364

npole(n型横担杆) count = 153

wall(墙壁) count = 88

car(车) count = 12

tree(树木) count = 104

other(其他) count = 41

3pole(三杆结构电杆) count = 35

总框数:5492

使用标注工具:labelme=5.5.0

所在仓库:firc-dataset

图片分辨率:1024x1024

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

图片预览:

标注例子:

原图:

标注绘制结果:

labelme编辑图实例:

相关推荐
智算菩萨1 小时前
深度学习在软件工程领域的系统性研究综述:理论、方法与实践
人工智能·深度学习·软件工程
这张生成的图像能检测吗1 小时前
(论文速读)DreamOmni:统一的图像生成和编辑
人工智能·深度学习·计算机视觉·图像生成、编辑
Aspect of twilight2 小时前
三种降维方式(PCA,t-SNE,UMAP)详解
深度学习·降维
海边夕阳20062 小时前
【每天一个AI小知识】:什么是自然语言处理?
人工智能·深度学习·计算机视觉·语言模型·自然语言处理
智算菩萨2 小时前
深度学习在教育数据挖掘(EDM)中的方法体系:从任务建模到算法范式的理论梳理与总结
深度学习·算法·数据挖掘
Keep_Trying_Go2 小时前
基于Transformer的目标统计方法(CounTR: Transformer-based Generalised Visual Counting)
人工智能·pytorch·python·深度学习·transformer·多模态·目标统计
小毅&Nora12 小时前
【人工智能】【深度学习】 ⑦ 从零开始AI学习路径:从Python到大模型的实战指南
人工智能·深度学习·学习
牛阿大12 小时前
关于前馈神经网络
人工智能·深度学习·神经网络
白日做梦Q13 小时前
深度学习与机器学习的3个关键区别
人工智能·深度学习·机器学习