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)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。重要说明：数据集有部分是增强图片请认真看下面图片预览，仔细斟酌下载。图片数量(jpg文件个数)：8097。标注数量(xml文件个数)：8097。标注数量(tx

标注类别名称:["Chave_H_230kV","Chave_V_230kV","DISJUNTOR","Pararraio_69kV","Pararraio_230kV","TC","TP"]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)Chave_H_230kV 框数 = 34。Chav

目标检测是计算机视觉任务中一个具有挑战性的方向。尽管在过去十年中目标检测在自然场景中有了重大突破，但是在航拍图像的进展是十分缓慢的，这不仅是因为地球表面相同类别物体的规模、方向和形状有着巨大的差异，而且还因为缺少航拍影像中目标对象的标注信息。为了推进“Earth Vision”（也称为“地球观测和遥感”）中目标检测的研究，我们提出了用于航拍影像中用于目标检测的大规模数据集（DOTA）。

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)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。图片数量(jpg文件个数)：4774。标注数量(xml文件个数)：4774。标注数量(txt文件个数)：4774。diaojing 框数 = 143。duan

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)标注类别名称:["DefectInsulator","DefectPin","NormalInsulator","NormalPin"]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。图片数量(jpg文件个

标注类别名称:["aoxian","budaodian","cahua","jupi","loudi","pengshang","qikeng","tucengkailie","tufen","zangdian"]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)特别声明：本数据集不对训练的模型

车牌识别服务API。

视频分析模块可以根据按钮提示进行对视频的分析 （视频模块的视频追踪处理时间较长，直至提示框弹出才会播放视频，建议等待些许时间）本项目主要使用了CNN卷积神经网络+unet分割网络实现车牌识别。只需运行git项目到本地，运行GUI.py即可。图片分析模块可以依据界面按钮提示进行相应功能。选择两个模块进入新的界面，根据按钮进行操作。基于深度学习和opencv的车牌识别系统。同时利用对图片每一帧图像加入

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)标注类别名称:["DefectInsulator","DefectPin","NormalInsulator","NormalPin"]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。图片数量(jpg文件个

例如，如果你需要测量的是实际经过的时间（如上面的例子），那么std::chrono库可能是最好的选择。如果你只是需要粗略地测量代码段的执行时间并且不关心处理器时间和实际经过时间之间的差异，那么time函数可能就足够了。而如果你需要测量的是处理器时间，那么clock函数可能是你的最佳选择。通过使用std::chrono::system_clock和std::chrono::duration_cast