超级会员免费看
文章目录
- 一、STN PLAD (STN Power Line Assets Dataset)
- 二、Satlas
- 三、Street Dataset
- 四、UAVVaste
- 五、UDA-CH (Unsupervised Domain Adaptation on Cultural Heritage)
- 六、USB (Universal-Scale Object Detection Benchmark)
- 七、VEDAI (Vehicle Detection in Aerial Imagery)
- 八、VQA-OV (Visual Quality Assessment of Omnidirectional Video)
- 九、VizWiz-FewShot
- 十、YouTube-GDD (YouTube-GDD: A challenging gun detection dataset with rich contextual information)
- 十一、multiRAW
- 十二、xView3-SAR
- 十三、Autorickshaw Image Dataset | Niche Vehicle Dataset (datacluster.ai)
- 十四、Bottles and Cups Dataset | Household Objects (datacluster.ai)
- 十五、Cracked Mobile Screen Dataset
一、STN PLAD (STN Power Line Assets Dataset)
STN PLAD 是多个高压电力线组件的高分辨率真实图像数据集。 它有 2,409 个带注释的对象，分为五类：输电塔、绝缘体、垫片、塔板和 Stockbridge 阻尼器，它们的大小（分辨率）、方向、照明、角度和背景各不相同。
特性
图片尺寸：5472×3078或5472×3648
图片总数：133
实例总数：2409
每张图像的平均实例数：18.1
对象类别数量（不同资产）：5
其他统计：
抽象的
例如，许多电力公司正在使用无人机来执行检查过程，而不是让工人攀爬高压电力线塔而将其置于危险之中。 检查的一项关键任务是对输电线路中的资产进行检测和分类。 然而，与电力线资产相关的公共数据很少，阻碍了该领域的更快发展。 这项工作提出了电力线资产数据集，其中包含多个高压电力线组件的高分辨率和真实图像。 它有 2,409 个带注释的对象，分为五类：输电塔、绝缘体、垫片、塔板和 Stockbridge 阻尼器，它们的大小（分辨率）、方向、照明、角度和背景各不相同。 这项工作还对流行的深度物体检测方法进行了评估，显示出相当大的改进空间。
基线结果
地图：89.2%
订阅专栏 解锁全文
11万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
