Augstas kvalitātes ražošanas un rūpnieciskās datu kopas mašīnmācībai

Apraksts: Automašīnas salona kolekcijas projekts: attēlu datu kopas kolekcija — vadītāja uzvedības analīze

Apraksts: Bojāta automašīna (neliela) Video datu kopa 360° automašīnas apskata video

Apraksts: Numura zīmju datu kopa (ASV, Kanāda, Meksika). Anotācija, pamatojoties uz klienta specifikācijām.

Apraksts: Transportlīdzekļa numura zīmju attēlu (US) datu kopā ir dažādi automašīnu attēli ar redzamām numura zīmēm, kas atbalsta autonomās braukšanas, satiksmes uzraudzības un datorredzes lietojumprogrammas, piemēram, numura zīmju noteikšanu un atpazīšanu.

Apraksts: Automašīnas atslēgas punktu identifikācijas datu kopa ir paredzēta vizuālai izklaidei un autonomai braukšanai, un tajā ir internetā savāktu attēlu kolekcija ar 640 x 512 pikseļu izšķirtspēju. Šajā datu kopā tiek izmantoti ierobežojošie lodziņi, lai identificētu mērķa automašīnas un atzīmēti 14 galvenie punkti katrā transportlīdzeklī, tostarp četri augšējie punkti, četri lukturi, četri riteņi un stikla laukumi priekšpusē un kreisajā pusē, sniedzot detalizētus datus automašīnas modelēšanai un atpazīšanas uzdevumi.

Apraksts: "Bojāto plātņu daļu segmentācijas datu kopa" ir nišas kolekcija, kas pielāgota ražošanas nozarei, īpaši koka un plātņu ražošanā. Tajā ir internetā savākti attēli ar augstu izšķirtspēju, sākot no 3024 x 4032 līdz 2048 x 5750 pikseļiem. Šī datu kopa koncentrējas uz dažādu veidu dēļu bojājumu semantisko segmentāciju, tostarp plaisām, kukaiņu bojājumiem un sabrukšanu, palīdzot kvalitātes kontrolē un ražošanas procesos.

Apraksts: 360 grādos staigājiet apkārt video ar automašīnām ar bojājumiem normālā, vienmērīgā tempā ar vienmēr redzamu augšējo un apakšējo daļu Bojājumi: skrāpējumi, iespiedumi, plaisas vai plaisas, kas ir lielākas par golfa bumbiņas garumā Ārējais panelis Bojājumi: bamperi, spārni, ceturtdaļa. paneļi, durvis, pārsegi un bagāžnieki Atrašanās vieta: Āzija, ASV, Kanāda un Eiropa

Ierakstīšanas ierīce: Mobilā kamera

Ierakstīšanas nosacījums: Jaukti apgaismojuma apstākļi

Apraksts: Vairāk nekā 490 automašīnu un 3958 auto fotogrāfijas ar anotētiem bojātu automašīnu attēliem (kopā ar metadatiem). Nosedz visas automašīnas malas (8 foto katrai automašīnai) - Apdrošināšanas atlīdzību procesa lietošanas gadījumi.

Ierakstīšanas ierīce: Mobilā kamera

Ierakstīšanas nosacījums: Jaukti apgaismojuma apstākļi

Apraksts: "Rūpniecisko metālu kausēšanas liesmu klasifikācijas datu kopa" ir paredzēta rūpniecības nozarei, un tajā ir internetā savāktu metālu kausēšanas liesmu attēlu kolekcija ar izšķirtspēju 350 x 350 pikseļi. Šī datu kopa ir paredzēta liesmu attēlu klasificēšanai 10 kategorijās, tostarp pārmērīga ekspozīcija, melni dūmi, uguns masa, dzirksteles un dažādas intensitātes izdedžu lēkšana un šļakatas, nodrošinot svarīgus datus kausēšanas procesu uzraudzībai un optimizēšanai.

Apraksts: "Mašīnas daļu defektu segmentācijas datu kopa" ir paredzēta ražošanas nozarei, un tā sastāv no internetā savāktiem attēliem, kuru izšķirtspēja ir 1000 x 1000 pikseļi. Šī datu kopa koncentrējas uz bināro segmentāciju, lai identificētu mašīnu detaļu baltos defektus, nodrošinot skaidras anotācijas, kas izceļ kvalitātes kontroles un pārbaudes procesu problēmas.

Apraksts: "Mašīnu detaļu segmentācijas datu kopa" ir pielāgota ražošanas nozarei, un tajā ir internetā apkopotu attēlu kolekcija ar 2048 x 1536 pikseļu izšķirtspēju. Šī datu kopa ir specializējusies semantiskajā segmentācijā, daudzstūru un galveno punktu anotācijās, koncentrējoties uz apstrādes pozīciju kontūru anotāciju mašīnu detaļu rentgena attēlos, atvieglojot precīzu analīzi un pārbaudi ražošanas procesos.

Apraksts: "Dzelzceļa līnijas marķēšanas datu kopa" ir pielāgota rūpnieciskiem lietojumiem, un tajā ir internetā savāktu attēlu kolekcija ar 1920 x 1080 pikseļu izšķirtspēju. Šī datu kopa specializējas detalizētā dzelzceļa līniju marķēšanā, tostarp to pagriezienos un sapludināšanā, izmantojot daudzstūru anotācijas. Turklāt vilcieni šajos attēlos ir apzīmēti ar ierobežojošiem lodziņiem. Datu kopa īpaši koncentrējas uz dzelzceļa tīkliem, kas savākti no Uhaņas, nodrošinot lokalizētu kontekstu dzelzceļa līniju analīzei un vilcienu noteikšanai.