news 2026/6/2 3:45:37

公路隧道铁路隧道裂缝渗漏水剥落识别分割数据集labelme格式471张3类别

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
公路隧道铁路隧道裂缝渗漏水剥落识别分割数据集labelme格式471张3类别

数据集格式:labelme格式(不包含mask文件,仅仅包含jpg图片和对应的json文件)

图片数量(jpg文件个数):471

标注数量(json文件个数):471

标注类别数:3

标注类别名称:["boluo","liefeng","shenlou"]

对应中文类别名:["剥落","裂缝", "渗漏",]

每个类别标注的框数:

boluo count = 124

liefeng count = 214

shenlou count = 308

总框数:646

使用标注工具:labelme=5.5.0

所在github仓库:firc-dataset

图片分辨率:多分辨率图片,如1400x1200,1600x1200等

标注规则:对类别进行画多边形框polygon

重要说明:可以将数据集用labelme打开编辑,json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割

特别声明:本数据集不对训练的模型或者权重文件精度作任何保证

图片预览:

标注例子:

原图(随机选16张图):

标注绘制结果:

labelme编辑图实例:

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/2 3:42:05

用Omnet++和SUMO模拟一次十字路口事故预警:从配置RSU到分析信标数据

基于Omnet与SUMO的十字路口事故预警仿真实战指南引言在城市交通系统中,十字路口一直是事故高发区域。传统交通安全研究依赖实地数据采集,成本高且难以复现极端场景。而通过Omnet与SUMO的联合仿真,我们可以构建一个数字孪生环境,精…

作者头像 李华
网站建设 2026/6/2 3:41:01

别再用高斯噪声了!OpenCV实战:用瑞利和伽马噪声模拟真实图像退化(附Python代码)

突破高斯噪声局限:OpenCV中瑞利与伽马噪声的实战应用指南在数字图像处理领域,噪声模拟是算法测试和系统验证的关键环节。许多开发者习惯性地使用高斯噪声作为默认选择,却忽略了不同成像设备产生的噪声特性差异。医学超声图像中的斑点噪声、低…

作者头像 李华