AeBAD航空发动机叶片异常识别分割数据集labelme格式1149张4类别

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)：1149

标注数量(json文件个数)：1149

标注类别数：4

标注类别名称:["groove","ablation","breakdown","fracture"]

每个类别标注的框数：

groove（沟槽） count = 484

ablation（烧蚀） count = 279

breakdown（击穿/损坏） count = 988

fracture（断裂） count = 389

总框数：2140

使用标注工具：labelme=5.5.0

所在github仓库：firc-dataset

图片分辨率：1920x1920

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

如果您需要引用该数据集请按照下面介绍和格式进行引用：

数据集介绍

真实世界的航空发动机叶片异常检测（AeBAD）数据集，由两个子数据集组成：单叶片数据集（AeBAD-S）和叶片视频异常检测数据集（AeBAD-V）。与现有数据集相比，AeBAD具有以下两个特点：1.）目标样本未对齐且处于不同的尺度。2.) 测试集和训练集中正态样本的分布存在域偏移，其中域偏移主要是由光照和视图的变化引起的。

@article{zhang2023industrial,

title={Industrial Anomaly Detection with Domain Shift: A Real-world Dataset and Masked Multi-scale Reconstruction},

author={Zhang, Zilong and Zhao, Zhibin and Zhang, Xingwu and Sun, Chuang and Chen, Xuefeng},

journal={arXiv preprint arXiv:2304.02216},

year={2023}

}

图片预览：

标注例子：

原图（随机选16张图展示）：

标注绘制结果：

labelme编辑图实例：