coco特定类别数据提取，coco json处理(拼接多个coco json文件，修改类别id，coco json划分训练集和测试集，json编码格式解码)，根据mask图像生成coco json文件，超大图像分patch的coco json处理，coco json数据查看(box，seg)，coco json数据统计，coco json与csv相互转化，labelme转coco，rle格式生成，via工具coco json显示等等，助力你快速开始模型训练。

官方给出的coco数据集，验证集

数据集转换脚本。 1、mask标记的文件转为labelme格式； 2、labelme格式转为coco格式数据集

labelme转coco数据集，代码核心来源于labelme；直接调用 labelme2coco(“labelme标记json文件list”,'生成的目标coco数据集')

Mask_RCNN模型在COCO数据集上预训练权重mask_rcnn_coco.h5

mask rcnn 模型在COCO数据集上预训练权重mask_rcnn_coco.h5

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 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

该资源包含了coco2017train或coco2017val数据集转化为可用于YoloV5训练和评估的.txt文件格式，保证正确和规范。

1、COCO数据集：第一组是train数据，第二组是val验证数据集，第三组是test验证数据集。数据包括了物体检测和keypoints身体关键点的检测。 2、VOC2007数据集。