目标检测算法——工业缺陷数据集汇总1（附下载链接）
>>>深度学习Tricks，第一时间送达<<<
🚀近期，小海带在空闲之余，收集整理了一批自动驾驶开源数据集供大家参考。 整理不易，小伙伴们记得一键三连喔！！！🤞💕
目录
一、东北大学带钢表面缺陷数据集
二、磁瓦缺陷数据集
三、KTH-TIPS 纹理图像数据集
四、Kaggle中谢韦尔钢铁公司提供的带钢缺陷数据集
五、Kolektor 表面缺陷数据集
>>>一起交流！互相学习！共同进步！<<<
一、东北大学带钢表面缺陷数据集
数据集下载地址：http://m6z.cn/5U87us
数据集收集了夹杂、划痕、压入氧化皮、裂纹、麻点和斑块6种缺陷，每种缺陷300张，图像尺寸为200×200。数据集包括分类和目标检测两部分，不过目标检测的标注中有少量错误，需要注意。
二、磁瓦缺陷数据集
数据集下载地址：http://m6z.cn/5F5eSd
中国科学院自动所一个课题组收集的数据集，是“Saliency of magnetic tile surface defects”这篇论文的数据集。收集了6种常见磁瓦缺陷的图像，并做了语义分割的标注。
三、KTH-TIPS 纹理图像数据集
数据集下载地址：http://m6z.cn/61EkMH
KTH-TIPS 是一个纹理图像数据集，在不同的光照、角度和尺度下拍摄的不同材质表面纹理图片。类型包括砂纸、铝箔、发泡胶、海绵、灯芯绒、亚麻、棉、黑面包、橙皮和饼干共10类。
四、Kaggle中谢韦尔钢铁公司提供的带钢缺陷数据集
数据集下载地址：Severstal: Steel Defect Detection | Kaggle
该数据集中提供了四种类型的带钢表面缺陷。训练集共有12568张，测试集5506张。图像尺寸为1600×256。如果有学术研究的需要，可以无限制使用，请将PAO Severstal指定为数据集所有者。
五、Kolektor 表面缺陷数据集
数据集下载地址：/resources/kolektorsdd/
该数据集是Kolektor Group收集并标注的电子换向器缺陷数据集。数据集中包含了50种编写的电子换向器，每种有8张图片以及其语义分割的label。图像的大小为500×1240像素。为了更方便的训练，需提前将图像调整为512×1408。
