數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：1980 標註數量(xml文件個數)：1980 標註數量(txt文件個數)：1980 標註類別數：5 所在github倉庫：firc-dataset 標註類別名稱
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：6079 標註數量(xml文件個數)：6079 標註數量(txt文件個數)：6079 標註類別數：1 所在github倉庫：firc-dataset 標註類別名稱
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：2064 標註數量(xml文件個數)：2064 標註數量(txt文件個數)：2064 標註類別數：8 所在github倉庫：firc-dataset 標註類別名稱
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：8000 標註數量(xml文件個數)：8000 標註數量(txt文件個數)：8000 標註類別數：5 所在github倉庫：firc-dataset 標註類別名稱
【算法介紹】 基於YOLOv11的齒輪缺陷檢測系統，是針對齒輪製造與維護領域開發的高效自動化檢測工具。該系統依託YOLOv11目標檢測算法，利用其增強的特徵提取能力（如C3k2塊與C2PSA模塊）和優化的檢測頭設計，實現對齒輪表面缺陷的高精度識別，可精準定位“break（斷裂）,lack（斷齒）與scratch（劃痕）等典型缺陷類型。 系統支持單張圖像、視頻流及實時攝
【算法介紹】 基於YOLOv11的45種交通標誌檢測與識別系統，是專為智能交通與自動駕駛領域設計的深度學習解決方案。該系統利用YOLOv11目標檢測算法的最新優勢，實現對45類常見交通標誌的高效、精準識別，包括限速牌、停車標誌、禁止通行等。 系統核心採用YOLOv11模型，其網絡結構通過C3k2塊、SPPF模塊及C2PSA注意力機制的優化，顯著提升了特徵提取能力與空間
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：916 標註數量(xml文件個數)：916 標註數量(txt文件個數)：916 標註類別數：9 所在github倉庫：firc-dataset 標註類別名稱(注意
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：5239 標註數量(xml文件個數)：5239 標註數量(txt文件個數)：5239 標註類別數：8 所在github倉庫：firc-dataset 標註類別名稱
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：7798 標註數量(xml文件個數)：7798 標註數量(txt文件個數)：7798 標註類別數：13 所在github倉庫：firc-dataset 標註類別名
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：2011 標註數量(xml文件個數)：2011 標註數量(txt文件個數)：2011 標註類別數：4 所在github倉庫：firc-dataset 標註類別名稱
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：2495 標註數量(xml文件個數)：2495 標註數量(txt文件個數)：2495 標註類別數：5 所在倉庫：firc-dataset 標註類別名稱(注意yol
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：3321 標註數量(xml文件個數)：3321 標註數量(txt文件個數)：3321 標註類別數：17 所在倉庫：firc-dataset 標註類別名稱(注意yo
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：2777 標註數量(xml文件個數)：2777 標註數量(txt文件個數)：2777 標註類別數：12 所在倉庫：firc-dataset 標註類別名稱(注意yo
注意數據集人臉經過脱敏處理，全部遮擋 數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：1396 標註數量(xml文件個數)：1396 標註數量(txt文件個數)：1396 標註類別數：3 所在倉庫：firc-d
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：1134 標註數量(xml文件個數)：1134 標註數量(txt文件個數)：1134 標註類別數：2 所在倉庫：firc-dataset 標註類別名稱(注意yol
注意數據集是拍攝視頻中抽取的圖片，可能場景較為單一，拍攝人員數量不多，目測大約有4位左右。主要針對駕駛員不同角度不同行為進行拍攝製作的數據集 數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：5370 標註數量(xml文件個數)：
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：9977 標註數量(xml文件個數)：9977 標註數量(txt文件個數)：9977 標註類別數：20 所在倉庫：firc-dataset 標註類別名稱(注意yo
MVTec公司已於2024年11月20日發佈了機器視覺軟件 HALCON 24.11 。這個版本在深度學習、3D視覺、開發體驗以及授權模式上都有顯著提升。 下面這個表格彙總了HALCON24.11的主要新特性： 特性類別
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：2129 標註數量(xml文件個數)：2129 標註數量(txt文件個數)：2129 標註類別數：4 所在倉庫：firc-dataset 標註類別名稱(注意yol
注意數據集中圖片重複場景可能比較多 數據集格式：labelme格式(不包含mask文件，僅僅包含jpg圖片和對應的json文件) 圖片數量(jpg文件個數)：2777 標註數量(json文件個數)：2777 標註類別數：8 標註類別名稱:["works-machine-","person","Helmet","vest","safety shoes"
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：1009 標註數量(xml文件個數)：1009 標註數量(txt文件個數)：1009 標註類別數：5 所在倉庫：firc-dataset 標註類別名稱(注意yol
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：896 標註數量(xml文件個數)：896 標註數量(txt文件個數)：896 標註類別數：4 所在倉庫：firc-dataset 標註類別名稱(注意yolo格式
數據集格式：Pascal VOC格式+YOLO格式(不包含分割路徑的txt文件，僅僅包含jpg圖片以及對應的VOC格式xml文件和yolo格式txt文件) 圖片數量(jpg文件個數)：1690 標註數量(xml文件個數)：1690 標註數量(txt文件個數)：1690 標註類別數：2 所在倉庫：firc-dataset 標註類別名稱(注意yol
數據集格式：labelme格式(不包含mask文件，僅僅包含jpg圖片和對應的json文件) 圖片數量(jpg文件個數)：646 標註數量(json文件個數)：646 標註類別數：1 標註類別名稱:["river"] 每個類別標註的框數： river count = 938 總框數：938 使用標註工具：labelme=5.5.0
