16个缺陷检测数据集汇总（附下载链接）

已于 2024-03-27 10:38:58 修改
阅读量8k 收藏 126
点赞数 38
分类专栏： 缺陷检测 文章标签： 深度学习 神经网络 目标检测 计算机视觉 视觉检测 图像处理
于 2024-03-26 16:03:17 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/zenhuizhi/article/details/137047535
版权

整理不易，期待点赞    ：）

1、NEU-DET(东北大学钢材缺陷数据集）

点击下载

提取码：31g6

2、AITEX织物缺陷数据集

点击下载

提取码：8j01

3、CrackForest-dataset-master(基建表面裂纹检测数据集)

最低0.47元/天 解锁文章
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
【表面缺陷检测】表面缺陷检测数据集汇总
学无止境、积少成多、厚积薄发
08-12 2万+
本文收集整理了16个表面缺陷检测相关的数据集，并对每个数据集的特点进行了简单的介绍。（文末附数据集）
目标检测数据集：汽车缺陷检测图像数据集【VOC标注格式】
08-19
目标检测数据集：汽车缺陷检测图像数据集【VOC标注格式】，数据保存按照文件夹保存，经测试，可直接用作目标检测数据集，无需额外处理。 【数据集详情】共3000多张数据和对应的xml标注文件，以及类别的json文件 标签类别：门外凹痕、发动机罩凹痕、车身面板凹痕等等17类别 关于yolo实战检测教程：https://blog.csdn.net/qq_44886601/article/details/134878776 yolov5的改进实战：https://blog.csdn.net/qq_44886601/category_12605353.html
缺陷检测数据集
11-15
缺陷检测数据集，用于训练缺陷检测神经网络。从https://github.com/sundyCoder/DEye下载
深度学习Xsteel表面缺陷数据集（X-SDD）-热轧钢带缺陷数据集-毕业设计
最新发布
02-23 437
X-SDD/│ └── ...└── ...通过以上步骤，你可以构建一个完整的X-SDD热轧钢带表面缺陷检测数据集，并使用YOLOv5进行训练。
缺陷检测数据集GC10-DET的数据处理
qq_41642036的博客
04-28 8715
GC10-DET是在真实工业中收集的表面缺陷数据集。一个真实的行业。它包含十种类型的表面缺陷，即冲孔（Pu）、焊缝（Wl）、新月形缝隙（Cg）、水斑（Water Spot）。油斑(Os)、丝斑(Ss)、夹杂物(In)、轧坑(Rp)、折痕(Cr)、腰部折痕 (Wf)。所收集的缺陷都在钢板的表面。该数据集包括3570张灰度 图像。
工业表面缺陷检测数据集汇总
静静要努力
05-10 4676
工业表面缺陷检测数据集汇总
瑕疵检测数据集
01-05
缺陷检测/瑕疵检测数据集。包含瑕疵图片的训练集和验证集。
几种表面缺陷检测数据集
热门推荐
庆志的小徒弟
12-12 5万+
1、德国DAGM 2007的数据集 总共十类图像，有训练集和测试集，几种样例如下： 官方网址：https://hci.iwr.uni-heidelberg.de/node/3616 网盘下载： 链接：https://pan.baidu.com/s/1CHrH1tZ-B6kvi8U7--isaw 提取码：47jo 2、钢材表面缺陷 这个数据集是东北大学一个老师收集的，分为三个数据...
缺陷检测公开数据集大全
bigData1994pb的博客
12-30 1万+
一、弱监督学习下的工业光学检测（DAGM 2007） 数据下载链接：https://hci.iwr.uni-heidelberg.de/node/3616 数据集简介： 主要针对纹理背景上的杂项缺陷。 较弱监督的训练数据。 包含十个数据集，前六个为训练数据集，后四个为测试数据集。 每个数据集均包含以灰度8位PNG格式保存的1000个“无缺陷”图像和150个“有缺陷”图像。每个数据集由不同的纹理模型和缺陷模型生成。 “无缺陷”图像显示的背景纹理没有缺陷，...
目标检测算法——工业缺陷数据集汇总2（附下载链接）
加勒比海带66——【YOLO魔法搭配&论文投稿咨询】
11-21 3392
目标检测算法——工业缺陷数据集汇总2（附下载链接）。🚀近期，小海带在空闲之余，收集整理了一批工业缺陷开源数据集供大家参考。整理不易，小伙伴们记得一键三连喔！！！🤞💕
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
目标检测-数据集-PCB缺陷识别
03-16
PCB缺陷数据，实际产线收集，数据宝贵，已经分类。
几种表面缺陷检测数据集-附件资源
03-02
几种表面缺陷检测数据集-附件资源
道路缺陷数据集VOC+YOLO格式12195张4类别.zip
12-28
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数)：12195 标注数量(xml文件个数)：12195 标注数量(txt文件个数)：12195 标注类别数：4 标注类别名称:["LongitudinalCracks","TransverseCrack","AlligatorCrack","Potholes"] 每个类别标注的框数： AlligatorCrack 框数 = 8381 LongitudinalCracks 框数 = 6592 Potholes 框数 = 5627 TransverseCrack 框数 = 4446 总框数：25046 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：LongitudinalCracks为纵向裂纹,TransverseCrack为横向裂纹,AlligatorCrack为短吻鳄裂纹,Potholes为坑洞 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，数据集只提供准确且合理标注
500多种目标检测数据集下载地址汇总（YOLO、VOC）.zip
10-27
500多种目标检测数据集的下载地址汇总，这是一个对于机器学习、人工智能领域特别是计算机视觉研究者来说极其有价值的信息。目标检测是计算机视觉领域中的一项重要技术，它能够在图像中识别出不同物体的位置，并对...
汇总|缺陷检测数据集
3D视觉工坊
02-02 4585
作者：Tom Hardy Date：2020-01-06 来源：汇总|缺陷检测数据集 一、弱监督学习下的工业光学检测（DAGM 2007）数据下载链接：https://hci.iwr.uni-heidelberg.de/node/3616数据集介绍： 主要针对纹理背景上的杂项缺陷。 较弱监督的训练数据。 包含是个数据集，前六个为训练数据集，后四个为测试数据集。每个数据...
目标检测数据集---工业铝片表面缺陷数据集
06-13 2211
Yolov8工业缺陷检测：基于铝片表面的缺陷检测算法
目标检测数据集---玻璃瓶盖工业缺陷数据集
06-13 1806
玻璃瓶盖工业缺陷数据集,用于各类工业缺陷检测项目
kaggle谢韦尔带钢缺陷数据集
02-18
### Kaggle Severstal 钢铁缺陷数据集 #### 数据集概述 Kaggle 上的 Severstal 钢铁缺陷检测数据集旨在帮助研究人员开发能够自动识别钢铁表面缺陷的算法。该数据集中包含了大量带有标注的钢材图像，这些图像是从生产线上拍摄的真实样本。 #### 获取路径 为了获取此数据集，可以访问[Kaggle官方页面](https://www.kaggle.com/c/severstal-steel-defect-detection/data)，注册账号并通过竞赛入口下载所需资源[^1]。 #### 数据结构描述 数据集由训练集和测试集组成，其中每张图片都可能含有四种不同类型的缺陷之一或多于一种组合形式。对于每一类别的缺陷都有对应的掩码文件用于表示具体位置范围。此外，在一些讨论区中提到过关于如何处理不平衡类别分布以及应用适当的数据增强技术来提高模型泛化能力的方法[^2]。 #### 文件说明 - `train_images.zip` 和 `test_images.zip`: 分别存储着所有参与训练过程与最终验证阶段使用的原始RGB格式JPEG照片； - `train.csv`: 记录了各幅影像内存在的瑕疵详情及其边界框坐标信息； - `sample_submission.csv`: 提供了一个提交预测结果的标准模板以便参赛者参照填写自己的答案。 ```python import pandas as pd df = pd.read_csv('path/to/train.csv') print(df.head()) ```
评论 6
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
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