电力设备红外图像与可见光图像配准数据集227对共454张无标注

电力设备红外与可见光图像配准数据集

数据集概述

本数据集包含227对电力设备红外与可见光图像,用于图像配准研究。所有图像均无标注,需要研究者自行进行特征匹配与变换矩阵估计。

数据集结构

复制代码
c:\Users\Administrator\Downloads\data\
└── JPEGImages\
    ├── firc_{设备类型}_{编号}_ir.jpg        # 红外图像
    └── firc_{设备类型}_{编号}_visible.jpg    # 可见光图像

设备类型

设备类型 说明 数量(估)
Arrester 避雷器 ~5对
Breaker 断路器 ~7对
Casing 套管 ~20对
Current 电流互感器 ~35对
Knife 刀闸 ~80对
Voltage 电压互感器 ~80对

命名规则

  • 红外图像:firc_{设备类型}_{编号}_ir.jpg
  • 可见光图像:firc_{设备类型}_{编号}_visible.jpg
  • 同一设备的不同视角图像共享相同的设备类型和编号

数据说明

  • 图像格式:JPEG
  • 图像对数量:227对(共454张图像)
  • 图像尺寸:640x640
  • 标注状态:无标注

使用说明

  1. 红外图像与可见光图像需进行几何配准
  2. 建议使用特征点匹配方法(如SIFT、ORB等)
  3. 可结合红外与可见光的物理特性进行预处理
  4. 典型配准流程:特征提取 → 特征匹配 → 变换估计 → 图像融合

注意事项

  • 红外与可见光图像可能存在视角、尺度差异
  • 部分图像对可能因采集条件导致配准难度较高
  • 建议进行数据预处理以提高配准成功率
    图片预览:

图像对示例(注意红外图像右侧和角区域存在文字显示):

相关推荐
hhzz5 小时前
【YOLO 入门到精通 04】理解任务与模型家族:7 大 CV 任务与 YOLO26 选型指南
人工智能·python·深度学习·yolo·计算机视觉
Rocky Ding*7 小时前
深入浅出完整解析FLUX.2、Seedream(即梦)、Z-image、Qwen-Image、GLM-Image核心基础知识
论文阅读·人工智能·深度学习·机器学习·aigc·扩散模型·ai-native
小明科普8 小时前
酷狗 kgg 转 MP3 踩坑:别再把歌词文件当歌转了
深度学习
凡达Ai派9 小时前
AI画布交付文件总是混在一起?用源文件、预览图和发布图三层目录分开管理
图像处理·深度学习·神经网络·自然语言处理·知识图谱
薛定e的猫咪10 小时前
(AISTATS 2023)BaCaDI 逐章阅读
人工智能·深度学习·算法·机器学习
凡达Ai派11 小时前
AI画布里的文字总是错位或乱码?把生成、排版和校对拆成三段
图像处理·人工智能·深度学习·神经网络·自然语言处理·知识图谱
数聚天成DeepSData12 小时前
OPUS 不是一份统一许可证的语料:子语料许可如何逐项管理?
人工智能·深度学习·机器学习·数据集·deepsdata
迷路爸爸18013 小时前
梯度消失和梯度爆炸
人工智能·深度学习·机器学习
AI人工智能+14 小时前
医疗机构执业许可证识别技术融合计算机视觉、OCR与大模型,实现手机拍照或上传文件后自动提取证书关键字段信息
深度学习·自然语言处理·ocr·医疗机构执业许可证识别
Ivanqhz14 小时前
KV Cache
服务器·数据库·人工智能·深度学习·算法