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)：7000
标注数量(xml文件个数)：7000
标注数量(txt文件个数)：7000
标注类别数：6
标注类别名称:["bulk cargo carrier","container ship","fishing boat","general cargo ship","ore carrier","passenger ship"]
每个类别标注的框数：
bulk cargo carrier 框数 = 1952
container ship 框数 = 901
fishing boat 框数 = 2190
general cargo ship 框数 = 1505
ore carrier 框数 = 2199
passenger ship 框数 = 474
总框数：9221
使用标注工具：labelImg
标注规则：对类别进行画矩形框
重要说明：暂无
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
![[<span style='color:red;'>数据</span><span style='color:red;'>集</span>][目标<span style='color:red;'>检测</span>]高质量铁路轨道缺陷<span style='color:red;'>检测</span><span style='color:red;'>数据</span><span style='color:red;'>集</span>VOC+YOLO<span style='color:red;'>格式</span>1050<span style='color:red;'>张</span><span style='color:red;'>6</span><span style='color:red;'>类别</span>](https://img-blog.csdnimg.cn/direct/be64bc4df32e4231884b0c2f9fdec1f8.jpeg)
[数据集][目标检测]高质量铁路轨道缺陷检测数据集VOC+YOLO格式1050张6类别
2024-05-14 03:52:11 38 阅读
![[<span style='color:red;'>数据</span><span style='color:red;'>集</span>][目标<span style='color:red;'>检测</span>]变电站缺陷<span style='color:red;'>检测</span><span style='color:red;'>数据</span><span style='color:red;'>集</span>VOC+YOLO<span style='color:red;'>格式</span>8307<span style='color:red;'>张</span>17<span style='color:red;'>类别</span>](https://img-blog.csdnimg.cn/direct/9806a86ea2ba468386c2f45e478c0506.png)
