电力场景输电线路电力部件识别分割数据集labelme格式2522张5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):2522

标注数量(json文件个数):2522

标注类别数:5

标注类别名称:"pole","crossarm","wire","transformer","pedestal"

每个类别标注的框数:

pole (电线杆) count = 2550

crossarm (横担) count = 3190

wire (导线) count = 11828

transformer (变压器) count = 854

pedestal (底座/基座) count = 335

总框数:18757

使用标注工具:labelme=5.5.0

所在仓库:firc-dataset

图片分辨率:1024x1024

数据集是否有增强:有,主要有椒盐噪声和对比度增强,大约1/3部分是原图剩余为增强图片

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:

原图:

标注绘制结果:

labelme编辑图实例:

相关推荐
oooost14 小时前
pytorch学习笔记2(transformer)
人工智能·机器学习
EDPJ16 小时前
(2017|ICLR|Google Brain,主网络与超网络联合训练,静态/动态超网络,LSTM,RNN)超网络
神经网络·机器学习·lstm·超网络
statistican_ABin18 小时前
中国国际旅游发展分析报告—基于世界银行国际旅游数据的多维度分析
python·机器学习·旅游
FII工业富联科技服务19 小时前
2026年AI技术发展趋势分析:从模型能力突破到工业AI的真实应用
大数据·人工智能·深度学习·机器学习·制造·ai智能体·agentic ai
Evan_Lai1 天前
(一)独热编码、标签编码、目标编码、序数编码详解
python·机器学习
在所不辞兄1 天前
分层PINN提升多物理场耦合效率
人工智能·深度学习·神经网络·机器学习·工程仿真
Rocky Ding*1 天前
Emu3大模型深度解析:下一Token预测如何统一图像、视频与理解,以及它尚未解决的问题
论文阅读·人工智能·深度学习·机器学习·aigc·ai-native·emu3
袖清暮雨1 天前
机器学习之决策树
人工智能·决策树·机器学习
Li_RuiQi1 天前
rtx4090_pi0_training_pitfalls
人工智能·机器学习
liuchangng1 天前
类Jev项目Kev从入门到实战(7):如何选型:决策树与 checklist
算法·决策树·机器学习