用于机器学习的高质量制造和工业数据集

描述： “汽车关键点识别数据集”专为视觉娱乐和自动驾驶应用而设计，包含一组分辨率为 640 x 512 像素的互联网采集图像。该数据集使用边界框来识别目标汽车，并标注每辆车上的 14 个关键点，包括四个顶部点、四个车灯、四个车轮以及前部和左侧的玻璃区域，为汽车建模和识别任务提供详细数据。

描述： “损坏的木板部件分割数据集”是专门为制造业（尤其是木材和木板生产）量身定制的利基集合。它包含从互联网收集的高分辨率图像，分辨率从 3024 x 4032 到 2048 x 5750 像素不等。该数据集专注于对各种类型的木板损坏（包括裂缝、虫害和腐烂）进行语义分割，以协助质量控制和制造流程。

描述： 360 度以正常、稳定的速度四处走动损坏的汽车视频，顶部和底部始终可见 损坏：长度大于高尔夫球的划痕、凹痕、叮当声或裂缝 外板损坏：保险杠、挡泥板、四分之一面板、门、引擎盖和行李箱 位置：亚洲、美国、加拿大和欧洲

录音设备： 移动照相机

录音条件： 混合照明条件

描述： 490 多辆汽车和 3958 张汽车照片，其中包含受损汽车的注释图像（以及元数据）。涵盖汽车的所有侧面（每辆车 8 张照片）- 保险索赔流程用例。

录音设备： 移动照相机

录音条件： 混合照明条件

描述： “工业金属冶炼火焰分类数据集”是专为工业领域设计的数据集，包含通过互联网采集的金属冶炼火焰图像，分辨率为 350 x 350 像素。该数据集专门用于将火焰图像分为 10 个类别，包括过度曝光、黑烟、火团、火花和不同强度的跳渣和飞溅，为监控和优化冶炼过程提供重要数据。

描述： “机器零件缺陷分割数据集”专为制造业设计，由互联网收集的图像组成，所有图像的分辨率均为 1000 x 1000 像素。该数据集专注于二元分割，以识别机器零件上的白色缺陷，提供清晰的注释，突出显示质量控制和检查流程关注的区域。

描述： “机械零件分割数据集”是专为制造业量身定制的数据集，包含一组分辨率为 2048 x 1536 像素的互联网采集图像。该数据集专门用于语义分割、多边形和关键点标注，重点关注机械零件 X 射线图像中加工位置的轮廓标注，以促进制造过程中的精确分析和检查。

描述： “铁路线标注数据集”专为工业应用而定制，包含一组分辨率为 1920 x 1080 像素的互联网收集图像。该数据集专门使用多边形注释对铁路线进行详细标注，包括其转弯和合并。此外，这些图像中的火车用边界框标记。该数据集专门关注从武汉收集的铁路网络，为铁路线分析和火车检测提供本地化背景。