news 2026/7/15 1:18:57

USB插口类型typecHDMI等常见接口检测数据集VOC+YOLO格式222张18类别

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
USB插口类型typecHDMI等常见接口检测数据集VOC+YOLO格式222张18类别

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):222

标注数量(xml文件个数):222

标注数量(txt文件个数):222

标注类别数:18

所在github仓库:firc-dataset

标注类别名称(注意yolo格式类别顺序不和这个对应,而以labels文件夹classes.txt为准):["3.5mm","DE-15","DVI","Display Port","FireWire 400","FireWire 800","HDMI","MagSafe 1","MagSafe 2","MagSafe 3","Mini DisplayPort","RJ45","USB Micro-B","USB Micro-B SuperSpeed","USB Mini-B","USB Type-A","USB Type-B SuperSpeed","USB Type-C"]

每个类别标注的框数:

3.5mm 框数 = 72

DE-15 框数 = 25

DVI 框数 = 13

Display Port 框数 = 15

FireWire 400 框数 = 38

FireWire 800 框数 = 25

HDMI 框数 = 52

MagSafe 1 框数 = 14

MagSafe 2 框数 = 19

MagSafe 3 框数 = 24

Mini DisplayPort 框数 = 22

RJ45 框数 = 37

USB Micro-B 框数 = 10

USB Micro-B SuperSpeed 框数 = 9

USB Mini-B 框数 = 7

USB Type-A 框数 = 126

USB Type-B SuperSpeed 框数 = 9

USB Type-C 框数 = 145

总框数:662

图片分辨率:多分辨率图片,如590x460,445x259等

使用标注工具:labelImg

标注规则:对类别进行画矩形框

重要说明:数据集没有划分训练验证测试集需自行划分

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

图片预览:

标注例子:

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/1 20:02:03

2.7 本章小结 框架选型与组件设计速查

2.7 本章小结:框架选型与组件设计速查 本节学习目标 把第 2 章**四件(规划、记忆、工具、执行)与认知框架(ReAct、Plan-and-Execute 等)**串成一张可操作的选型与设计速查。 能根据业务需求快速判断「用哪类框架、每件怎么配」。 一、四件回顾 组件 作用 设计要点 规划 把…

作者头像 李华
网站建设 2026/7/1 9:36:30

【开题答辩全过程】以 高校资源共享平台的设计与实现为例,包含答辩的问题和答案

个人简介一名14年经验的资深毕设内行人,语言擅长Java、php、微信小程序、Python、Golang、安卓Android等开发项目包括大数据、深度学习、网站、小程序、安卓、算法。平常会做一些项目定制化开发、代码讲解、答辩教学、文档编写、也懂一些降重方面的技巧。感谢大家的…

作者头像 李华
网站建设 2026/7/1 15:57:48

‌第三方服务失效:依赖管理测试策略

在微服务与云原生架构主导的今天,第三方服务(如支付网关、身份认证、物流API、云存储)已成为系统不可或缺的组成部分。然而,其不可控性——超时、限流、版本弃用、区域性中断——正成为测试稳定性的最大威胁。2024年某电商平台因支…

作者头像 李华
网站建设 2026/7/13 9:15:11

‌容器崩溃模拟:Docker/K8s环境韧性验证

为什么韧性测试不再是“可选”而是“必修课”‌在云原生架构成为主流的今天,容器化部署已从“技术选型”演变为“基础设施标准”。然而,‌服务的高可用性不再依赖于“永不崩溃”‌,而是建立在“崩溃后快速自愈”的能力之上。 软件测试从业者的…

作者头像 李华
网站建设 2026/7/12 1:17:16

【YOLOv13多模态涨点改进】独家创新首发| CVPR 2025 | 引入FDSM频率域动态地选择模块,高效融合红外和可见光多模态特征,精准保留有用信息、抑制冗余与噪声,助力目标检测、图像分割、分类

一、本文介绍 本文介绍使用 FDSM(Frequency Dynamic Selection Mechanism)模块改进 YOLOv13多模态 模型,可有效提升模型对复杂场景中目标的判别能力。FDSM 通过在频域中动态选择和融合多源图像(如 RGB 与 NIR)中的高低频互补特征,自适应提取关键结构信息与纹理细节,从而…

作者头像 李华