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
电科_银尘19 小时前
【深度学习项目实战·22】灰度图像着色:用小型U-Net学习从灰度到RGB
人工智能·深度学习·学习
猿人谷20 小时前
遗传编程的未来:从进化搜索到自主发现求解方法
人工智能·深度学习·神经网络·ai-native
泓博1 天前
Android仿写苹果缩放窗口
人工智能·gpt·深度学习
在所不辞兄1 天前
【人工智能驱动的电催化研究-07】CSV文件、路径与可追溯记录
人工智能·深度学习·神经网络·机器学习·有限元·电化学·电催化
jay神1 天前
基于 YOLOv8 的传送带异物检测系统(Web 版)
前端·人工智能·深度学习·yolo·计算机视觉·计算机毕业设计
电科_银尘2 天前
【深度学习项目实战·33】自定义数据集:把自己的图片接入PyTorch
人工智能·pytorch·深度学习
武子康2 天前
单卡 A6000 跑 Qwen-Drive:怎样留下可比较的第一条基线?
linux·人工智能·深度学习
在所不辞兄2 天前
为什么在新能源汽车电驱与热管理开发中,AI驱动的数字孪生和数据驱动仿真正在部分替代对物理台架与实车标定的依赖?
人工智能·深度学习·神经网络·算法·机器学习
伞伞悦读3 天前
【第83期】特征选择中的验证泄漏排查的实验与排查
人工智能·深度学习·机器学习
一只废狗狗狗狗狗狗狗狗狗3 天前
自监督式学习
人工智能·深度学习·机器学习·bert