opencv训练自己的xml文件时，所需图像资源，包含正负样本图像。

基于神经网络的生活垃圾分类图像数据集，总共包含了可回收物、有害垃圾、厨余垃圾、其他垃圾四大类40个小类。其中其他垃圾6种、厨余垃圾8种、有害垃圾3种、可回收物23种。每种包含大约400张图片，共1.7万余张图像。此为第一部分

基于神经网络的生活垃圾分类图像数据集，总共包含了可回收物、有害垃圾、厨余垃圾、其他垃圾四大类40个小类。其中其他垃圾6种、厨余垃圾8种、有害垃圾3种、可回收物23种。每种包含大约400张图片，共1.7万余张图像。此为第二部分

1. 搭建自己的简单二分类网络，使用pytorch训练和测试； 2. 将pytorch训练的pth模型转换成ONNX，并编码测试； 3. 含训练和测试数据，含训练ok的pth模型和ONNX模型，含完整python和C++实现； 4. 使用方法：首先运行“TrainTestConvertOnnx.py”执行“训练数据读入、模型训练、模型测试、导出onnx”，再运行“TestOnnx.cpp”测试onnx（需要配置OpenCV）；

svm训练图像，图片自动导入，批量导入，训练图像............