Laadukkaat valmistus- ja teollisuustietojoukot koneoppimiseen

Kuvaus: Auton sisätilojen kokoelmaprojekti: Kuva-aineiston kokoelma - kuljettajan käyttäytymisen analyysi

Kuvaus: Vaurioitunut auto (vähäinen) Videoaineisto 360° auton esittelyvideot

Kuvaus: Rekisterikilpiaineisto (Yhdysvallat, Kanada, Meksiko) Asiakkaan määrityksiin perustuvat merkinnät

Kuvaus: Ajoneuvojen rekisterikilpien kuvien (US) tietojoukko sisältää erilaisia ​​autokuvia, joissa on näkyvät rekisterikilvet, ja tukee autonomista ajamista, liikenteen seurantaa ja konenäkösovelluksia, kuten rekisterikilpien tunnistusta ja havaitsemista.

Kuvaus: "Car Key Point Identification Dataset" on suunniteltu visuaalisen viihteen ja autonomisen ajon sovelluksiin, ja se sisältää kokoelman Internetistä kerättyjä kuvia, joiden resoluutio on 640 x 512 pikseliä. Tämä tietojoukko käyttää rajausruutuja kohdeautojen tunnistamiseen ja merkitsee kunkin ajoneuvon 14 avainpistettä, mukaan lukien neljä yläpistettä, neljä valoa, neljä pyörää sekä etu- ja vasemman puolen lasialueet, jotka tarjoavat yksityiskohtaisia ​​tietoja auton mallintamiseen ja tunnistustehtävät.

Kuvaus: "Damaged Board Parts Segmentation Dataset" on teollisuudelle, erityisesti puun ja kartongin tuotantoon räätälöity kapean kokoelma. Se sisältää Internetistä kerättyjä kuvia korkealla resoluutiolla 3024 x 4032 - 2048 x 5750 pikseliä. Tämä tietojoukko keskittyy erityyppisten levyvaurioiden semanttiseen segmentointiin, mukaan lukien halkeamat, hyönteisvauriot ja rappeutuminen, mikä auttaa laadunvalvonnassa ja valmistusprosesseissa.

Kuvaus: 360 astetta kävele videoita autoista, joissa on vaurioita normaalissa, tasaisessa tahdissa ylä- ja alaosa aina näkyvissä. Vauriot: naarmu, kolhu, kolhu tai halkeama, joka on suurempi kuin golfpallon pituus Ulkopaneeli Vauriot: puskurit, lokasuojat, neljännes paneelit, ovet, konepellit ja arkut Sijainti: Aasia, Yhdysvallat, Kanada ja Eurooppa

Tallennuslaite: Mobiili kamera

Tallennusolosuhteet: Sekalaiset valaistusolosuhteet

Kuvaus: Yli 490 autoa ja 3958 autokuvaa vaurioituneiden autojen merkityillä kuvilla (ja metatietojen kanssa). Kattaa auton kaikki sivut (8 kuvaa jokaisesta autosta) - Vakuutuskorvausprosessin käyttötapaukset.

Tallennuslaite: Mobiili kamera

Tallennusolosuhteet: Sekalaiset valaistusolosuhteet

Kuvaus: "Industrial Metal Smelting Flame Classification Dataset" on suunniteltu teollisuudelle, ja se sisältää kokoelman Internetistä kerättyjä kuvia metallinsulatusliekeistä, joiden kaikkien resoluutio on 350 x 350 pikseliä. Tämä tietojoukko on omistettu liekkien kuvien luokitteluun 10 luokkaan, mukaan lukien ylivalotus, musta savu, tulimassa, kipinät ja erilaiset kuonahyppy- ja roiskevoimakkuudet, jotka tarjoavat tärkeitä tietoja sulatusprosessien seurannassa ja optimoinnissa.

Kuvaus: "Machine Part Defects Segmentation Dataset" on suunniteltu valmistusteollisuudelle, ja se koostuu Internetistä kerätyistä kuvista, joiden kaikkien resoluutio on 1000 x 1000 pikseliä. Tämä tietojoukko keskittyy binäärisegmentointiin koneen osien valkoisten vikojen tunnistamiseksi ja tarjoaa selkeitä huomautuksia, jotka korostavat laadunvalvonta- ja tarkastusprosessien huolenaiheita.

Kuvaus: "Machine Parts Segmentation Dataset" on räätälöity valmistussektorille, ja se sisältää kokoelman Internetistä kerättyjä kuvia, joiden resoluutio on 2048 x 1536 pikseliä. Tämä tietojoukko on erikoistunut semanttiseen segmentointiin, polygoneihin ja avainpistemerkintöihin keskittyen koneistusasemien ääriviivamerkintöihin koneenosien röntgenkuvissa, mikä helpottaa valmistusprosessien tarkkaa analysointia ja tarkastusta.

Kuvaus: "Rail Line Labeling Dataset" on räätälöity teollisuussovelluksiin, ja se sisältää kokoelman Internetistä kerättyjä kuvia, joiden resoluutio on 1920 x 1080 pikseliä. Tämä tietojoukko on erikoistunut raidelinjojen yksityiskohtaiseen merkitsemiseen, mukaan lukien niiden käännökset ja yhdistäminen, käyttämällä monikulmiomerkintöjä. Lisäksi näissä kuvissa olevat junat on merkitty rajauslaatikoilla. Tietojoukko keskittyy erityisesti Wuhanista kerättyihin rautatieverkkoihin ja tarjoaa paikallisen kontekstin rautatieanalyysille ja junien havaitsemiselle.