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
Rocky Ding*20 小时前
一文读懂Kimi K3.1 Pro核心基础知识
论文阅读·人工智能·深度学习·机器学习·aigc·大语言模型·ai-native
怎么全是重名21 小时前
PatchCore
人工智能·深度学习·计算机视觉·异常检测
Even_ISP_Color21 小时前
NAFNetLocal_池化窗口一致性
人工智能·深度学习·机器学习
拜小白1 天前
【论文解读】PanoRoom:从球面到3D布局
深度学习·计算机视觉·全景图
拜小白1 天前
【论文解读】(JLDNet) Joint 3D Layout and Depth:一张全景图同时算出房间骨架和像素深度
深度学习·计算机视觉·全景图
tellmewhoisi1 天前
深度学习17:深度神经网络:测试参数优化器效果
人工智能·深度学习
拜小白1 天前
【论文解读】Pano Popups:用平面感知网络做室内3D重建
深度学习·计算机视觉·全景图
打工仔折腾 AI1 天前
在 Ubuntu ARM64 部署 Q1 V3.0 MuJoCo 模型:加载、单步推理与执行器响应解析
linux·运维·人工智能·python·深度学习·ubuntu·性能优化
陈嘿萌2 天前
Fusion Anything Model:面向通用多模态融合的基座模型
图像处理·人工智能·深度学习·计算机视觉·学术研究与理论基础
老鱼说AI2 天前
SNN脉冲神经网络:全连接、卷积与循环SNN
人工智能·深度学习·神经网络·机器学习·自然语言处理