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

积分最少，不用下载48积分的，模仿mnist数据集格式制作自己的数据集

这个文档教程，一步步教你如何处理，制作自己的数据集进行目标检测的训练，这分教程教你制作标准的VOC数据集格式训练自己的目标检测模型。

create_KITTI_dataset以及create_ourdata

用于将巨幅图片剪切为规定大小的matlab代码，图像剪切、机器学习、深度学习、图像目标识别和检测。

模仿mnist数据集制作自己的数据集代码。HOG+SVM，深度学习，识别中采用的数据集。可以适用多个平台，声明本代码在OPENCV3.3和VS2017测试通过。

# 数据处理： 1、使用facenet中的文件或insight项目中的align_dataset_mtcnn.py将原始人脸数据先检测并处理成112x112大小， 2、制作训练集.rec文件 # python insightface/recognition/tools/im2rec.py --list --recursive /准备存放.lst的路径/准备存放.lst文件的名称（NBA） /图像文件夹路径/ #生成.lst # python im2rec2.py /刚刚生成的.lst文件路径/.lst的文件名 /图像文件夹路径/ ##生成.rec

# 3、制作验证集.bin文件 python recognition/tools/generate_image_valid.py #需要预先制作一个人物名单对应表，比如存放于valid.txt文件中 python recognition/tools/make_bin_tool/lfw2pack.py

脚本需求：模型训练时，有很多公开的有雾数据集，但是不符合自己特殊的场景，此时我们就需要制作有雾的数据集；

用自己的数据，制作python版本的cifar10数据集。可以任意别类任意数量，根据自己爬取的数据修改代码参数即可。