铁路周边电气设备目标检测图像数据集（1904张图像，VOC标签，5类目标）.txt

自采集和搜集整理的烟雾和火灾数据集，数据集包括2w+图片，所有图片均采用VOC格式进行标注，标注的数据的类别有烟雾和火焰两种，比赛、毕设不可错过的必要数据集。提供的下载方式为百度网盘，下载文件中有下载的链接地址，请放心下载。 自采集和搜集整理的烟雾和火灾数据集，数据集包括2w+图片，所有图片均采用VOC格式进行标注，标注的数据的类别有烟雾和火焰两种，比赛、毕设不可错过的必要数据集。 自采集和搜集整理的烟雾和火灾数据集，数据集包括2w+图片，所有图片均采用VOC格式进行标注，标注的数据的类别有烟雾和火焰两种，比赛、毕设不可错过的必要数据集。 自采集和搜集整理的烟雾和火灾数据集，数据集包括2w+图片，所有图片均采用VOC格式进行标注，标注的数据的类别有烟雾和火焰两种，比赛、毕设不可错过的必要数据集。 自采集和搜集整理的烟雾和火灾数据集，数据集包括2w+图片，所有图片均采用VOC格式进行标注，标注的数据的类别有烟雾和火焰两种，比赛、毕设不可错过的必要数据集。

工业园区VOC源排放智能监控管理系统

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COCO API，这非常有用（例如，计算mAP）。 如何使用 1.制作labels.txt 如果需要制作将标签转换为ID的字典，则为labels.txt。 样本labels.txt Label1 Label2 ... 2.运行脚本 2.1用法1（使用ID列表） $ python voc2coco.py \ --ann_dir /path/to/annotation/dir \ --ann_ids /path/to/annotations/ids/list.txt \ --labels /path/to/labels.txt \ --output /pat

使用yolo进行口罩检测 里面包含口罩目标检测数据集（已标注好，VOC格式） xml文件和jpg文件都放在文件夹中，可以根据自己格式进行运行

电力设备内部绝缘油泄漏检测图像数据集（300多张数据，VOC标签）.zip

x光安检图像检测数据集（7500多张图像，VOC标签）.zip

PyTorch-Spiking-YOLOv3 基于YOLOv3的PyTorch实现（ ）的Spiking-YOLOv3的PyTorch实现，目前支持Spiking-YOLOv3-Tiny。 整个Spiking-YOLOv3即将得到支持。 介绍 为了实现尖峰效果，YOLOv3-Tiny中的某些运算符已进行等效转换。 有关详细信息，请参阅/ cfg中的yolov3-tiny-ours（*）。cfg。 某些运营商的转换 'maxpool（stride = 2）'->'convolutional（stride = 2）' 'maxpool（stride = 1）'->'none' 'upsample'->'transposed_convolutional' 'leaky_relu'->'relu' '批处理标准化'->'fuse_conv_and_bn' 用法 有关培训，评估和推断的基

yolo4_voc_weights.pth是VOC数据集的权重 yolo4_weights是COCO数据集的权重

前言 由于TensorFlow常用TFrecords作为输入格式，我们需要将制作好的Pascal VOC转为TFrecords格式。使用 object detection API 内提供的脚本。 TFRecords格式如下： -uint64 length -uint32 masked_crc32_of_length -byte data[length] -uint32 masked_crc32_of_data 前置要求： Anaconda3（使用python3.x） 制作好的Pascal VOC数据集 1、配置protobuf Google的protobuf是一种轻便高效的结构化数据存储格