数据集:

keremberke/pcb-defect-segmentation

英文

数据集标签

['dry_joint', 'incorrect_installation', 'pcb_damage', 'short_circuit']

图像数量

{'valid': 25, 'train': 128, 'test': 36}

如何使用

pip install datasets
  • 加载数据集:
from datasets import load_dataset

ds = load_dataset("keremberke/pcb-defect-segmentation", name="full")
example = ds['train'][0]

Roboflow 数据集页面

https://universe.roboflow.com/diplom-qz7q6/defects-2q87r/dataset/8

引用

@misc{ defects-2q87r_dataset,
    title = { Defects Dataset },
    type = { Open Source Dataset },
    author = { Diplom },
    howpublished = { \\url{ https://universe.roboflow.com/diplom-qz7q6/defects-2q87r } },
    url = { https://universe.roboflow.com/diplom-qz7q6/defects-2q87r },
    journal = { Roboflow Universe },
    publisher = { Roboflow },
    year = { 2023 },
    month = { jan },
    note = { visited on 2023-01-27 },
}

许可证

CC BY 4.0

数据集摘要

此数据集于2023年1月27日下午1:45(格林威治时间)通过roboflow.com导出

Roboflow 是一个端到端的计算机视觉平台,帮助您

  • 在计算机视觉项目中与团队协作
  • 收集和组织图像
  • 理解和搜索非结构化的图像数据
  • 注释并创建数据集
  • 导出、训练和部署计算机视觉模型
  • 使用主动学习来改善数据集

您可以使用此数据集来使用最先进的计算机视觉训练笔记本。访问 https://github.com/roboflow/notebooks

要找到超过100,000个其他数据集和预训练模型,请访问 https://universe.roboflow.com

数据集包括189张图像。缺陷以COCO格式进行注释。

每个图像都应用了以下预处理:

未应用任何图像增强技术。