今天给大家分享人工智能数据集,工业制造相关数据,需要的同学可以下载使用。 1、SeverStal 钢铁表面缺陷数据集 下载地址:SeverStal 钢铁表面缺陷数据集 2、MVTec 工业3D对象检测数据集 (MVTec ITODD) MVTec 工业 3D 对象检测数据集 (MVTec ITODD) 是用于 3D 对象检测和姿态估计的公共数据集,重点关注工业设置和应用。 、乙烯、乙醇和甲苯6 种气体数据集 数据集包括来自六种不同纯气态物质的记录,即氨、乙醛、丙酮、乙烯、乙醇和甲苯,每种物质的剂量范围从 5 到 1000 ppmv。 有关此数据集中考虑的测量记录的气体身份名称、浓度值 和时间分布序列的详细信息。 下载地址:工业制造_公开数据集_帕依提提-人工智能数据集服务平台
某中心发布最大规模工业“抓取和放置”机器人训练数据集为提升仓库中负责分拣、抓取和打包产品的机器人性能,某中心公开发布了在工业产品分拣场景中捕获的最大规模图像数据集。 此前最大的工业图像数据集仅包含约100个对象,而名为ARMBench的该数据集则包含了超过190,000个对象。因此,该数据集可用于训练“抓取和放置”机器人,使其能更好地适应新产品和新场景。 数据集细分与挑战物体分割数据集包含超过50,000张图像,每张图像包含1到50个手动分割的物体,平均约10.5个。 物体识别数据集包含超过235,000个标记的“抓取活动”;每个抓取活动包括一张抓取图像和三张转移图像。 缺陷检测数据集包括静态图像和视频。超过19,000张静态图像是在转移阶段捕获的,旨在训练缺陷检测模型,以判断机械臂是否意外损坏了物体或一次抓取了多个物体。
金属外表多种生锈检测数据集(1200张图片已划分)|面向工业巡检的目标检测数据集在工业设备智能运维、基础设施安全评估与城市大型金属结构全生命周期管理不断推进的背景下,金属锈蚀的自动化识别与精确定位已成为工业视觉领域的重要研究与落地方向 本数据集正是在这一工程需求背景下构建,面向工业级金属外表锈蚀的多类别目标检测任务。 数据集核心特点✅覆盖4种工业常见锈蚀类型✅图像来源多样,包含不同材质、光照、拍摄距离✅已完成训练验证测试集严格划分✅标注精细,适合工业级模型训练与评估✅可直接用于无人机巡检、工业视觉系统开发类别定义(classes )✅RT-DETR(高精度需求场景)✅FasterR-CNN(离线精细分析)该数据集非常适合作为:工业目标检测入门实战YOLO工程化项目案例无人机视觉巡检系统训练数据六、结语金属锈蚀并非简单的“表面问题 通过构建标准化、可复用、可扩展的金属锈蚀目标检测数据集,并结合深度学习模型进行自动识别,我们可以:提前发现隐蔽风险降低人工巡检成本提升工业运维智能化水平构建真正可落地的AI工业应用系统本数据集为后续YOLO
USGS VIIRS 蒸散量¶ VIIRS 蒸散量 (ET) 数据集基于全球 ET 产品第 6 版,利用 VIIRS 热图像和全球天气数据集通过遥感获得。 在 SSEBop 版本 6 中,Senay 等人概述了新颖的强制和归一化操作 (FANO) 算法。 该数据集的创建涉及基于 VIIRS 的陆地表面温度、WorldClim 的最高气温以及从网格天气数据集(例如 Abatzoglou 等人的 TerraClimate)获得的参考 ET 的集成。 数据集详细信息¶ 空间范围 全球的 空间分辨率 1 公里网格(1/96 度) 时间分辨率 Dekadal、每月和每年 时间跨度 2012年至今 更新频率 每10-12天更新一次 变量 多变的 蒸散量 (ETa) ('et') 单位 毫米 比例因子 1.0 附加信息¶ 您可以在以下链接中找到有关这些数据集的更多信息 - Product Search Global | Early Warning and
为了适应全面丰富的NLP任务,方便更多开发者灵活插拔尝试多种网络结构,并且让应用最快速达到工业级效果,今年4月23日,百度正式开放了工业级中文NLP工具与预训练模型集——PaddleNLP(nlp.baidu.com 工具集拥有当前业内效果最好的中⽂语义表示模型和基于用户大数据训练的应用任务模型,模型源于产业实践,达到工业级的应用效果。 PaddlePaddle 是中国首个、也是目前国内唯一开源开放,集核心框架、工具组件和服务平台为一体的端到端开源深度学习平台,其囊括支持面向真实场景应用、达到工业级应用效果的模型,并具备针对大规模数据场景的分布式训练能力 与此同时,百度还开放了在对话等任务的开放数据集上超越SOTA效果的模型网络结构与参数,方便相关领域研究人员快速验证、使用。 除了开放预训练模型,PaddleNLP还开放了相关任务的评测数据集。这些数据来自于百度真实的工业化场景,能够很好地对模型效果进行评估。
下载数据集请登录爱数科(www.idatascience.cn) 由电商平台爬取的图书信息,包括书名、出版信息、当前价格等。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 当当网搜索页面爬取。
下载数据集请登录爱数科(www.idatascience.cn) 其记录了2014年之前天文学家在恒星(除了太阳)周围发现的行星的信息。 1. 字段描述 2. 数据预览 3. 数据来源 来源于UCI机器学习库。
下载数据集请登录爱数科(www.idatascience.cn) 该数据集记录了一家全球超市4年的订购数据,包含订单的订单号、下单时间、发货时间、运输模式、顾客名称和地区等信息。 1. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
下载数据集请登录爱数科(www.idatascience.cn) 通过物理测量预测鲍鱼的年龄。 从原始数据中删除了缺失值的样本,并且对连续值的范围进行了缩放。数据集共4177个样本,8个字段 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 Warwick J Nash, Tracy L Sellers, Simon R Talbot, Andrew J Cawthorn and Wes B Ford (1994) "The Population 数据引用 Nash W J, Sellers T L, Talbot S R, et al.
焊接情况检测数据集(千张图片已划分)|面向工业质检的目标检测训练集在现代工业制造体系中,焊接质量作为产品可靠性的重要指标之一,直接影响结构件的力学性能、安全性和使用寿命。 随着工业视觉和深度学习的发展,利用AI模型自动检测焊缝质量逐渐成为行业趋势。而高质量的焊接检测数据集,正是训练这类模型的核心基础。 总结来看,本次分享的焊接情况检测数据集为工业智能化提供了坚实的基础。 通过合理划分训练集、验证集和测试集,开发者可以充分利用数据进行模型优化与验证,从而在实际工业生产环境中实现对焊接表面缺陷的自动检测与监控。 总之,这份数据集是工业AI应用中不可或缺的资源,为焊接检测技术的研究与实践提供了坚实的数据基础。
下载数据集请登录爱数科(www.idatascience.cn) 小费数据集 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源
下载数据集请登录爱数科(www.idatascience.cn) 数据集由 Jose Portilla 和 Pierian Data 为他的 Udemy 课程(Python 数据科学和机器学习训练营) 创建,适合用于数据分析与逻辑回归预测。 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
注意数据集有部分牙齿没标注,分割目的主要检查病变,因此部分牙齿没有标注不影响病变检测 数据集格式:labelme格式(不包含mask文件,仅仅包含jpg图片和对应的json文件) 图片数量(jpg文件个数 ):2616 标注数量(json文件个数):2616 标注类别数:6 标注类别名称:["Tooth","Caries","Cavity","Crack","calculus","inflamation" 139 calculus count = 1207 inflamation count = 620 使用标注工具:labelme=5.5.0 标注规则:对类别进行画多边形框polygon 重要说明:可以将数据集用 labelme打开编辑,json数据集需自己转成mask或者yolo格式或者coco格式作语义分割或者实例分割 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 图像预览 : 标注例子: 数据集地址:download.csdn.net/download/FL1623863129/88570705
数据库字符集编码 你的数据库和 JDBC 数据源连接必须配置为使用 UTF-8 编码(或者根据你配置的数据库来制定正确的 UTF-8 编码字符集,例如在 Oracle 中使用的是 AL32UTF8 ) Confluence 中也有多个检查来确保你的数据库也是使用的 UTF-8 编码。 请参考 Configuring Database Character Encoding 页面来获得更多的内容。 字符集编码的问题 请参考 Troubleshooting Character Encodings 页面来找到如何测试你的字符集编码。 https://www.cwiki.us/display/CONF6ZH/Configuring+Character+Encoding
下载数据集请登录爱数科(www.idatascience.cn) 这个数据集涵盖了过去6年苹果公司的股价。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
数据集下载请登录爱数科(www.idatascience.cn) 根据世界卫生组织(WHO)的数据,中风是全球第二大死亡原因,约占总死亡人数的11%。 该数据集用于根据输入参数(例如性别,年龄,各种疾病和吸烟状况)预测患者是否可能中风。数据中的每一行都提供有关患者的相关信息。 1. 字段描述 2. 数据预览 3. 字段诊断信息
下载数据集请登录爱数科(www.idatascience.cn) 人口稠密的城市中超市数量在快速增加,市场竞争也很激烈。 该数据集记录了几家超市在3个不同分店中3个月的历史销售额,包含顾客性别、商品单价、销售数量、销售日期、总收入和顾客评价等信息。预测数据分析方法很容易应用于此数据集。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
下载数据集请登录爱数科(www.idatascience.cn) 该数据集包含来自Udemy的4个科目(商业金融、平面设计、乐器和网页设计)的3.682条课程记录。 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。 5. 数据引用
下载数据集请登录爱数科(www.idatascience.cn) 某社会实验内容为男人和女人签约嫁给一个他们以前从未见过的完全陌生的人。专家根据测试和面试对夫妇进行配对。 该数据集记录了十次该社会实验的数据。 1. 字段描述 2. 数据预览 3. 字段诊断信息 4. 数据来源 来源于Kaggle。
下载数据集请登录爱数科(www.idatascience.cn) 本数据集包含北美2017年驾驶员在城市中寻找停车位的情况(只包含人口超过10万的城市)。 可以用本数据集识别停车存在困难的区域,并辅助城市标志牌的设置。 1. 字段描述 2. 数据预览 3. 字段诊断信息