汽车关键点识别数据集

边界框、关键点

汽车关键点识别数据集

使用案例: 汽车关键点识别数据集

格式: 图片

算: 25k

注解: Yes

X

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。

损坏电路板部件分割数据集

语义分割

损坏电路板部件分割数据集

使用案例: 损坏电路板部件分割数据集

格式: 图片

算: 1,000

注解: Yes

X

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。

损坏的汽车(轻微)视频数据集

损坏的汽车(轻微)视频数据集

使用案例: 保险索赔流程

格式: avi、mkv、mov、mp4、mp5

算: 48366

注解: 没有

X

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

损坏的汽车图像数据集

损坏的汽车图像数据集

使用案例: 保险索赔流程

格式: 。JPG

算: 3958

注解: Yes

X

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

工业金属冶炼火焰分类

分类

工业金属冶炼火焰分类

使用案例: 工业金属冶炼火焰分类

格式: 图片

算: 41k

注解: Yes

X

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。

机器零件缺陷分割数据集

二元分割

机器零件缺陷分割数据集

使用案例: 机器零件缺陷分割数据集

格式: 图片

算: 120k

注解: Yes

X

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。

机器零件分割数据集

语义分割、多边形、关键点

机器零件分割数据集

使用案例: 机器零件分割数据集

格式: 图片

算: 2.3k

注解: Yes

X

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。

铁路线标记数据集

多边形、边界框

铁路线标记数据集

使用案例: 铁路线标记数据集

格式: 图片

算: 3k

注解: Yes

X

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。