【实际项目应用】： 人脸表情识别检测、人状态识别等 【数据集说明】： 人脸表情数据集，一共2445张图片，包含5类表情，分别为['happy','sad','shock','disgust','solemn']，每类目标数量分布均匀，标签包含voc（xml）、yolo（txt）两种格式，纯手工标注，标注精准，算法拟合不错，多种目标检测算法可直接使用。数据质量可靠。 【更多数据集介绍请看】https://blog.csdn.net/DeepLearning_/article/details/127276492?spm=1001.2014.3001.5502

【实际项目应用】：车牌检测、车牌识别、车辆检测 【数据集说明】：车辆车牌检测数据集，一共1456张图片，标签包含两类，分别为“car”和“plat”，道路监控摄像头视角背景，数据分布均匀，标签包含voc（xml）、yolo（txt）两种格式，多种目标检测算法可直接使用。纯手工标注，标注精准，算法拟合不错，数据质量可靠。 【更多数据集介绍】https://blog.csdn.net/DeepLearning_/article/details/127276492?spm=1001.2014.3001.5502

【实际项目应用】： 工业缺陷检测、布匹缺陷识别检测、智能质检等。 【数据集说明】： 布匹缺陷检测数据集，一共800张图片，缺陷包含“损坏”、“污渍”两种类别，附有voc（xml）与yolo（txt）两种格式标签。 数据标注精确，多种目标检测算法可直接使用，算法拟合不错，数据质量可靠。 更多数据集介绍请看https://blog.csdn.net/DeepLearning_/article/details/127276492?spm=1001.2014.3001.5502 【备注】：使用过程若有问题请私信联系博主

【实际项目应用】 车标识别检测 【数据集说明】 车轮检测数据集，一共4203张图片，6类车标，分别为“奔驰”、”本田“、”丰田“、”奥迪“、”雪佛兰“、”大众“， ['Benz','Honda','Toyota','Audi','Chevrolet','VW']，多种背景，数据分布均匀，标签包含voc（xml）、yolo（txt）两种格式，多种目标检测算法可直接使用。纯手工标注，标注精准，算法拟合很好，数据质量可靠。 【备注】：若需json格式标签，或使用过程遇到问题，请私信留言。

【实际项目应用】： 车辆违规检测项目(如压线、不礼让行人、违规车辆计数等) 【数据集说明】： 车轮检测数据集，一共3016张图片，6000多个车轮目标，多种背景，有一部分是道路监控拍摄，数据分布均匀，标签包含voc（xml）、yolo（txt）两种格式，多种目标检测算法可直接使用。纯手工标注，标注精准，算法拟合不错，数据质量可靠。

【实际项目应用】 口罩佩戴检测 【数据集说明】 口罩检测数据集，一共7889张图片，标签包含两类，分别为 ['mask','nomask']，多种背景，数据经过筛选提取，数据分布均匀且多样性充分，实际项目所用，标签包含voc（xml）、yolo（txt）两种格式，多种目标检测算法可直接使用。人工标注，标注精准，算法拟合很好，数据质量可靠。 【备注】若需要json格式标签，或数据集使用问题，请私信留言。

【实际项目应用】： 社区安防、学校安防、危险器具检测等 【数据集说明】： 刀具棍棒检测数据集，一共1200张图片，标签有两类，分别为[刀具、棍棒]，即['dao','bang']，多种背景，数据分布均匀，标签包含voc（xml）、yolo（txt）两种格式，多种目标检测算法可直接使用。纯手工标注，标注精准，算法拟合较好，数据质量可靠。 【备注】若需要json格式标签，或数据集使用问题，请私信留言。

yolo2voc.zip（yolo转voc）

使用要求; 1、拥有python环境，建议使用anaconda 2、数据增强方式有以下7种，可设置随机选几种来增强 # 1. 裁剪(需改变bbox) # 2. 平移(需改变bbox) # 3. 改变亮度 # 4. 加噪声 # 5. 旋转角度(需要改变bbox) # 6. 镜像(需要改变bbox) # 7. cutout 3、会根据原始xml文件及增强方式自动生成标注好的xml标签文件及增强后图像

voc数据集格式转yolo数据集格式（直接划分成训练集和验证集）---目标检测数据集转换代码，python程序代码，自己当前在用，使用过程中只需要修改相应的路径即可。