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
147API28 分钟前
蒸馏项目什么时候该停,怎样切换到RAG、微调或模型路由
人工智能·深度学习·机器学习·数据挖掘
YOLO视觉与编程1 小时前
YOLO / Labelme目标分割数据集增强扩充软件v1.0.0适用于YOLO全版本
人工智能·深度学习·yolo·计算机视觉
茗鹤APS和MES2 小时前
工业排产:AI可赋能,APS不可替代
人工智能·深度学习·机器学习
程序猿编码3 小时前
基于GGML的C++17轻量化语音推理引擎:说话人识别与语音分析技术全解析
开发语言·c++·pytorch·深度学习·神经网络·大模型
jay神3 小时前
深度学习如何确定Batch Size的大小?
人工智能·深度学习·计算机视觉·毕业设计·课程设计·batch
AI人工智能+4 小时前
证件阅读机,通过光学扫描、AI大脑、芯片感应三双“眼睛”协同工作,借助深度学习OCR引擎完成证卡识别与结构化输出
深度学习·ocr·智能硬件·证件阅读机
ai小陈4 小时前
PyTorch实验可复现实战:随机种子、依赖锁定与配置归档
人工智能·pytorch·python·深度学习·ai·gpu算力
Carol06304 小时前
神经网络、激活函数:ReLU / SiLU / GELU
人工智能·深度学习·神经网络
Zzj_tju5 小时前
Prompt Injection 防御:隔离不可信上下文的最小复现
人工智能·深度学习·机器学习·自然语言处理·prompt
陈年老古董5 小时前
矿物分类实战:从传统机器学习到深度学习(含PyTorch实现)
笔记·深度学习·学习·机器学习·分类