1、YOLOv3公交车检测目标检测数据集 2、类别名： bus 3、来源：从 VOCtest207数据集中 单个类别提取得到 4、标签类别：txt和 xml两种 5、图片数量：183

1、YOLOv3摩托车检测目标检测数据集 2、类别名： motorbike 3、来源：从 VOCtest207数据集中 单个类别提取得到 4、标签类别：txt和 xml两种 5、图片数量：233

光伏系统热成像异常检测数据集（120张+代码），内含无人机航拍光伏电池板红外图像120张，以及matlab代码和相关文献，可学习上手或者自己研究！ 在光伏（PV）系统的使用寿命期间发生的故障可能导致能量损失，系统关闭以及可能的火灾风险。因此，检测异常和故障以控制系统的性能并确保其可靠性至关重要。与基于现场目视检查和/或电气测量设备的传统监测技术相比，无人机和红外热成像的结合显然为更快、更便宜的光伏监测提供了手段。然而，该领域的文献缺乏用于光伏故障检测的自动和可实施的算法，特别是使用原始航空热像仪，具有精确的性能评估。因此，我们的目的是建立一个全自动的在线监测框架。我们提出了一个分析框架，用于在线分析航空热成像的原始视频流。该框架集成了图像处理和统计机器学习技术。

几种表面缺陷检测数据集-附件资源

配网低压绝缘子缺陷检测数据集（含txt标签，1w多张图像）

输电线路绝缘子检测数据集（VOC标签，160多张原图，无扩充）

1、YOLOv5、v3、v4、SSD、FasterRCNN系列算法旋翼无人机目标检测，数据集，都已经标注好，标签格式为VOC和YOLO两种格式，可以直接使用，共两部分，由于数量量太大，分为两部分，这里是第一部分 2、part2 数量：6000多张 3、classes: drone 4、有需要的可以下载

1、YOLO系列算法旋翼无人机目标检测，数据集，都已经标注好，标签格式为VOC和YOLO两种格式，可以直接使用，共量部分，由于数量量太大，分为两部分，这里是第一部分 2、part1数量：5000多张 3、classes: drone 4、有需要的可以下载

五类：电池、纸团、一次性杯子、塑料瓶、积木 COCO格式，每一类大概在350张的样子。

NSL-KDD数据集是KDD99数据集的改进，可以作为有效地基准数据集，各机器学习算法可以在NSL-KDD数据集上进行入侵检测实验。 NSL-KDD数据集是KDD 99数据集的改进： 1、NSL-KDD数据集的训练集中不包含冗余记录，所以分类器不会偏向更频繁的记录； 2、NSL-KDD数据集的测试集中没有重复的记录，使得检测率更为准确。 3、来自每个难度级别组的所选记录的数量与原始KDD数据集中的记录的百分比成反比。结果，不同机器学习方法的分类率在更宽的范围内变化，这使得对不同学习技术的准确评估更有效。 4、训练和测试中的记录数量设置是合理的，这使得在整套实验上运行实验成本低廉而无需随机选择一小部分。因此，不同研究工作的评估结果将是一致的和可比较的。