东北大学数据集的最新网址（热轧带钢表面缺陷数据集等）

已于 2022-03-02 11:26:31 修改
阅读量8.4k 收藏 22
点赞数 12
文章标签： 东北大学数据集
于 2022-01-12 15:40:47 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/rglkt/article/details/122454947
版权

发现原来的方法也不管用了，补充最新的方法，直接百度搜索宋克臣老师，第一个就是老师的主页，里面有数据集下载。
http://faculty.neu.edu.cn/songkechen/zh_CN/zhym/263269/list/index.htm

最近学习想要东大的热轧带钢表面缺陷数据集，但是官网的地址老是访问不到，最后发现了有访问旧页面的链接，明白了原因。网页换新，变换了服务器，DNS域名解析全部指向了新的官网服务器的IP。所以就访问不到旧IP的地址了，解决方法就是不要使用域名，直接使用IP地址访问即可。

http://202.118.1.237/me/songkc/Vision-based_SIS_Steel.html

在这里插入图片描述
注意超链接用的也是域名，所以想下什么就点一下超链接，把浏览器的访问地址域名改成IP

http://202.118.1.237

比如我需要的钢材数据：

http://202.118.1.237/yunhyan/NEU_surface_defect_database.html

rglkt
关注
  • 12
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 20
    评论
东北大学数据库
09-17
东北大学数据
「东北大学钢板缺陷检测数据集与目标检测算法yolov5、yolov6、yolov7、yolov8之应用」，东北大学钢板表面缺陷检测数据集与yolov5、yolov6、yolov7和yolov8的目标检
最新发布
ByqqukaSDUtx的博客
06-09 744
总结而言，东北大学钢板表面缺陷检测数据集是一个重要的资源，为钢板表面缺陷检测算法的研究和开发提供了有力支持。通过合理利用这个数据集，结合yolov5、yolov6、yolov7和yolov8等目标检测算法，可以进一步提升钢板表面缺陷检测的准确性和效率，为工业生产提供更可靠的保障。这些算法在钢板表面缺陷检测领域也得到了广泛的应用。东北大学钢板表面缺陷检测数据集，作为一个含有标签文件的数据集，被广泛应用于目标检测算法中，尤其是在yolov5、yolov6、yolov7和yolov8等算法中的应用备受关注。
钢材表面缺陷数据集NEU-DET
05-29
钢材表面缺陷数据集NEU-DET
NEU表面缺陷检测数据集大全
11-09
NEU数据集大全，包含了原始数据集，扩展的64*64大小的分类数据集，缺陷定位（带有label）的数据集
深度学习图像识别数据集：热轧带钢表面缺陷数据集（6分类）
01-22
数据集包含热轧带钢表面缺陷数据集（6分类），数据按照文件夹储存，不需要处理可直接用作深度学习训练数据。 数据分为以下6类：轧制氧化皮（RS）、斑块（Pa）、开裂（Cr）、点蚀表面（PS）、内含物（In）和划痕（Sc） 下载解压后的图像目录：训练集（1440张图片）和测试集（360张图片） data-train 训练集-每个子文件夹放同类别的图像，文件夹名为分类类别 data-test 测试集-每个子文件夹放同类别的图像，文件夹名为分类类别 除此之外，提供了classes的json字典类别文件，以及可视化的代码
东北大学带钢缺陷分类数据集
03-06
东北大学带钢缺陷分类数据集 开裂(crazing) 内含物(inclusion) 斑块(patches) 点蚀表面(pitted) 轧制氧化皮(rolled-in) 划痕(scratches) 经过数据增强处理，每个类别2400张，共计6个类别
【数据集NO.2】工业检测数据集汇总（缺陷、纹理等检测）
m0_70388905的博客
12-03 7603
【数据集NO.2】工业数据集汇总
缺陷检测数据集
记录我目之所及的世界
02-21 1458
缺陷检测数据集
YOLOX进行目标检测（东北大学钢材表面缺陷数据集）
qq_48480265的博客
07-28 5453
采用yolox训练自己的数据集
基于YOLOV5的钢材缺陷检测
qq_52053775的博客
02-12 7902
数据集使用的是东北大学收集的一个钢材缺陷检测数据集，需要检测出钢材表面的6种划痕。同时，数据集格式是VOC格式，需要进行转化。
东北大学热轧带钢表面缺陷数据集.7z
07-14
东北大学热轧带钢表面缺陷数据集.7z
深度学习图像识别数据集：热轧带钢表面缺陷数据集（细粒度数据集）（6分类）
01-22
数据集包含热轧带钢表面缺陷数据集（6分类），图片分辨率为64*64，可以做细粒度图像分类任务，数据按照文件夹储存，不需要处理可直接用作深度学习训练数据。 数据分为以下6类：轧制氧化皮（RS）、斑块（Pa）、开裂...
东北大学钢材表面缺陷检测（目标检测数据集COCO格式）
03-07
本数据集来自NEU表面缺陷检测数据集，收集了6种典型的热轧带钢表面缺陷，即氧化铁皮压入(RS)、斑块(Pa)、开裂(Cr)、点蚀(PS)、夹杂(In)和划痕(Sc)。分别为：'crazing','inclusion','patches','pitted_surface','...
钢铁缺陷检测数据集：用于YOLO模型训练的高质量数据集
04-21
本数据集是由东北大学的研究团队基于实际工业应用需求而构建的，旨在提供一个用于训练和评估目标检测算法的高质量钢铁缺陷数据集。该数据集包含了1800张经过精心标注的图像，涵盖了六种典型的钢铁表面缺陷类型： 1....
【表面缺陷检测】常用开源表面缺陷检测数据集 整理
热门推荐
__阿健__的博客
09-12 2万+
数据集是深度学习研究的基础，开源数据集为各种论文方法提供了 比较的基准。 不同于经典计算机视觉任务中的 ImageNet、PASCAL VOC2007/2012 和 COCO 等数据集，表面缺陷检测并没有一个统一的，大规模的数据集，不同的缺陷检测数据集，在 样本数量，正负样本比例，复杂度 等方面都有很大的不同。 不同的缺陷数据集往往适用于不同的方法。 不同的检测设定下的研究往往基于不同的缺陷数据集。 这里对一些常用的表面缺陷检测数据集进行了整理汇总。
基于YOLOv5的钢材表面缺陷检测附数据集完整代码
crasher123的博客
08-28 1310
此外，由于照明和材料变化的影响，同一类别内缺陷图像的灰度值存在变化。简而言之，NEU表面缺陷数据库包括两个困难挑战，即同一类别内的缺陷在外观上存在较大差异，而不同类别间的缺陷具有相似的特征，缺陷图像受到照明和材料变化的影响。在东北大学（NEU）表面缺陷数据库中，收集了热轧钢带的六种典型表面缺陷，包括轧制鳞片 (RS)、斑点 (Pa)、开裂 (Cr)、凹坑 (PS)、夹杂物 (In) 和划痕 (Sc)。在缺陷检测任务中，我们提供了注释，用于指示每个图像中缺陷的类别和位置。
东北大学钢板表面缺陷检测数据集与yolov5、yolov6、yolov7和yolov8的目标检测算法
ssTYooXmz的博客
05-05 835
yolov5、yolov6、yolov7和yolov8是其代表性的几个版本，它们通过不断改进网络结构、损失函数等方面的设计，实现了更高的检测精度和更快的检测速度。与传统的钢板表面缺陷检测数据集相比，东北大学钢板表面缺陷检测数据集具有以下几个特点。为了促进钢板表面缺陷检测算法的研究和发展，东北大学钢板表面缺陷检测数据集提供了丰富的样本图片和对应的xml标签文件。东北大学钢板表面缺陷检测数据集是一个专门用于钢板表面缺陷检测的数据集，其中包含了许多钢板表面缺陷的样本图片和对应的xml标签文件。
表面缺陷检测数据集汇总及其相关项目推荐 | Github开源
迈微AI研习社 · 号主
09-27 1万+
全网目前最全的表面缺陷检测数据集整合，包含项目GitHub Repo
编写一段C++程序用于热轧带钢表面缺陷的分类检测
05-24
以下是一个简单的C++程序，用于热轧带钢表面缺陷的分类检测。该程序使用OpenCV库进行图像处理和分析，可以检测出带钢表面的缺陷并进行分类。 ```cpp #include <iostream> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; int main() { // 读取原始图像 Mat img = imread("steel.jpg"); if (img.empty()) { cout << "无法读取图像文件" << endl; return -1; } // 灰度化图像 Mat gray; cvtColor(img, gray, COLOR_BGR2GRAY); // 对图像进行高斯滤波 Mat blur; GaussianBlur(gray, blur, Size(5, 5), 0); // 对图像进行二值化处理 Mat binary; threshold(blur, binary, 100, 255, THRESH_BINARY); // 进行轮廓检测 vector<vector<Point>> contours; findContours(binary, contours, RETR_TREE, CHAIN_APPROX_SIMPLE); // 对每个轮廓进行分析和分类 for (size_t i = 0; i < contours.size(); i++) { // 计算轮廓的面积 double area = contourArea(contours[i]); // 判断缺陷类型 if (area > 10000) { cout << "表面缺陷类型为: 大面积缺陷" << endl; } else if (area > 1000) { cout << "表面缺陷类型为: 中等面积缺陷" << endl; } else { cout << "表面缺陷类型为: 小面积缺陷" << endl; } } return 0; } ``` 该程序实现了以下功能： 1. 读取原始图像； 2. 对图像进行灰度化处理； 3. 对图像进行高斯滤波； 4. 对图像进行二值化处理； 5. 进行轮廓检测； 6. 对每个轮廓进行分析和分类。 具体而言，该程序使用了OpenCV库中的各种函数来对图像进行处理和分析。首先，使用`imread()`函数读取原始图像，然后使用`cvtColor()`函数将图像从BGR格式转换为灰度格式。接着，使用`GaussianBlur()`函数对图像进行高斯滤波，以去除噪声。然后，使用`threshold()`函数对图像进行二值化处理，以便进行轮廓检测。使用`findContours()`函数进行轮廓检测，并使用`contourArea()`函数计算每个轮廓的面积。最后，根据面积大小判断缺陷类型，并输出结果。 需要注意的是，这只是一个简单的示例程序，实际的热轧带钢表面缺陷检测算法可能会更加复杂和精细。
评论 20
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

rglkt

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值