用xml文件生成json文件，用于训练coco数据格式的检测网络，

yolov3_coco.tar.gz，附件是百度网盘上该资源的链接和提取码

对MSCOCO Captions数据进行指标评测的代码，包含各指标对应的jar库。官方提供的测评代码是python 2.7，这个版本支持python 3.x。

百度搜索"目标检测必须要OpenCV？10行Python代码也能实现，亲测好用！" 可立即使用

coco_data_extract 从COCO数据集中提取特定的目录图像和注释 parse1.py：从“ instances_train2014.json”中提取所需的目录，并保存到“ COCO_train_oo2.json” parse2.py：根据“ COCO_train_oo2.json”中的图像名称，将包含的图像从“ path”复制到“ path2”。 请注意，图片名称必须为“ COCO_train2014 _” +“ 000000” +“大约6个长度数字” parse3.py：从“ COCO_train_oo2.json”中提取注释信息，为每个图像更改并另存为PASCAL VOC格式“ .xml”格式。 此代码中的所有路径和文件名都需要更改。

COCO OCR数据集

COCO is a large-scale object detection, segmentation, and captioning dataset. COCO has several features: Object segmentation Recognition in context Superpixel stuff segmentation 330K images (>200K labeled) 1.5 million object instances 80 object categories 91 stuff categories 5 captions per image 250,000 people with keypoints

MSCOCO2014, instances_trainval35k.json.zip, 都在一个json文件中,比如ssd源代码使用的就是整体json

第一次尝试使用 OpenCV 基于深度学习的人体姿态估计的COCO 模型和MPII 模型

coco_personLabels.7z