在进行image captioning实验时，通常会使用COCO、Flickr8k和Flickr30k等数据集。这些数据集已经处理好了格式，因此我们可以直接使用它们。然而，当我们需要使用自定义的数据集来完成特定任务时，就需要将其转换为json格式的数据集。目前，关于这方面的代码资料相对较少。因此，本文作者花费了一些时间，从头编写了一个能够将自定义的image captioning数据集转换为COCO JSON格式的代码。

COCO 2017 完整数据集百度网盘链接，国内下载会更快，可用于2D 目标检测训练和验证。

1、YOLO红外车辆行人检测数据集，真实场景的高质量图片数据，数据场景丰富。使用lableimg标注软件标注，标注框质量高，含voc(xml)、coco(json)和yolo(txt)三种格式标签，分别存放在不同文件夹下，可以直接用于YOLO系列的目标检测。 2、附赠YOLO环境搭建、训练案例教程和数据集划分脚本，可以根据需求自行划分训练集、验证集、测试集。 3、数据集详情展示和更多数据集下载：https://blog.csdn.net/m0_64879847/article/details/132301975

为铁道病害检测研究方向的学者提供尽可能的数据集资源，本数据集包括近距离铁道病害图像，如需更多相关数据集，请评论，作者会第一时间放出供学者研究。

coco2017数据集 18GB 很实用啊啊

基于coco_2014与VOC_2017数据集为基础，提取出来的牛（cow)单一种类的目标检测数据集（包含4110张各种场景下的cow图片），可用于cow的目标检测识别，以及cow的个体统计。格式符合yolo系列的（voc)格式，可以直接使用。

目录结构如下： face_guise_datasets（coco格式） ├─annotations ├─train2017 ├─test2017 └─val2017 > - CLASSES = ['glasses', "hat", "nothing", "glasses_hat", "glasses_mask", "hat_mask", "glasses_hat_mask", "mask"] > - [YOLOv7训练自己的数据集（口罩检测）](https://blog.csdn.net/FriendshipTang/article/details/126513426) > - [YOLOv8训练自己的数据集（足球检测）](https://blog.csdn.net/FriendshipTang/article/details/129035180) > - [YOLOv5：添加SE、CBAM、CoordAtt、ECA注意力机制](https://blog.csdn.net/FriendshipTang/article/details/130396540)

操作简单界面操作通俗易懂，系统主页UI已进行更换，非市面烂大街首页！ 非常重要的一点是，发现此模板使用后，首页首次加在有点慢，原因是首页美化代码的原因，其他页面基本正常，有能力的可以吧图片等资源文件上传第三方平台 修复功能 1.短链接生成，重置 2.客户端新版本UI 3.邀请码无限重复生成(以前的版本后台不可关闭，现在可以了) 4.SQL版本需要8.0

仿coco点餐系统的微信小程序 （后台部分本来用的egg.js,为了能让大家下载之后直接跑起来 就换成了easymock） 仅供交流学习使用,使用之前微信小程序调试工具前要设置不进行域名验证

这是微软COCO数据集中train2014和val2014的标签数据。注意这只是上诉两者数据集的标签数据，而不包括他们数据集本身。