从航空图像中准确检测和分割输电塔（TTs）和电力线（PLs）对于保护电网安全和低空无人机安全起着关键作用。同时，TTs和PLs的航空图像对从事对象检测和分割工作的计算机视觉研究人员提出了许多新挑战——电力线长而细，可能与背景颜色相似；输电塔可能有各种形状，并且很可能由各种稀疏度的线结构组成；背景场景、照明和物体大小在不同的图像之间可能会有很大的差异。在本文中，我们收集并发布了一个新的TT/PL航空图像（TTPLA）数据集，该数据集包含1100张分辨率为3840×2160像素的图像，以及手动标记的8987个TTs和PLs实例。我们为TTPLA中的图像收集、注释和标记制定了新策略。与其他相关数据集不同，TTPLA除了检测和语义分割外，还支持实例分割的评估。为了在TTPLA上建立检测和分割任务的基线，我们报告了几种最先进的深度学习模型在我们数据集上的性能。TTPLA数据集可通过此https URL公开访问。

地址：https://mp.weixin.qq.com/s?__biz=MzU3NTYxNDA4Ng==&mid=2247483726&idx=1&sn=8ddd325a507f9592bf8ab410508ac2fa&chksm=fd213ca7ca56b5b1d8ccfa17d15069976a47de65a0bce6b041b074fa058268c37ac01e79aa33&token=792869066&lang=zh_CN#rd
关注公众号，每天分享开源数据集