VOC格式标注行人的数据集

labelimg是一款基于Python的开源软件，可用于数据集标注，支持目标检测领域的图像标注。它提供了友好的用户界面和易于使用的功能，适合新手使用。此外，还有可运行的exe文件提供下载，更加方便您的

岩石数据集已经分好训练集和测试集，并使用labelImg进行6种类别的标注。标注规则为对类别进行画矩形框。请注意，本数据集不对训练模型或权重文件精度作任何保证，数据集只提供准确且合理标注。

这是一个非常好用的目标检测数据集制作工具，能制作VOC2007+VOC2012格式数据集，目前生成的XML文件里面都是绝对路径，所以请将图片数据集放到合适文件夹下面

voc2coco 这是用于将VOC格式的XML转换为COCO格式的json(例如coco_eval.json)的脚本。 为什么我们需要将VOC xmls转换为COCO格式json? 我们可以使用COC

车辆分类识别的测试集，跟车辆分类识别的训练集配合使用，但是由于上传文件大小限制，没有能够一次性上传，同样是标注好的VOC格式文件包含图片跟对应.xml文件，支持转TFRecord格式感兴趣的可以下载使

近2000张消防栓图片，提取自coco数据集的80个类别之一

可用于制作VOC格式数据集ImageSets下面的Main文件夹里面需要存放训练用的test.txttrain.txttrainval.txtval.txt，训练集与测试集的比例为1:1，需要手动调整

该数据集为车辆检测提供了昏暗环境下的样本，并采用VOC格式，可方便使用yolov5和yolov7进行训练。此外，该数据集还支持针对多种目标的定制，如检测车辆、树木、火焰、人员、安全帽、烟雾、情绪和口罩

人特瑞特人员投入2418546546465

将标注好的YOLO格式数据转换成VOC数据格式，并将VOC数据格式转换成TFRECORDS格式，以便其他深度学习网络使用。