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。

包括coco_wholebody_train_v1.0.json和coco_wholebody_val_v1.0.json

coco训练集5k.part（2014），包含coco训练集的图片路径（相对路径）如果发生找不到图片的情况，可修改为绝对路径

国家转换器 国家/地区转换器（coco）是一个Python软件包，用于在不同类别之间和不同命名版本之间转换和匹配国家/地区名称。 在内部，它使用正则表达式匹配国家/地区名称。 Coco还可以用于在不同分类方案之间建立聚合一致性矩阵。 目录 建立国家汇总的一致性 分类方案 数据来源和进一步阅读 沟通，问题，错误和增强 贡献 相关软件 引用国家转换器 致谢 动机 迄今为止，在（元）数据描述中还没有关于如何命名或指定各个国家的单一标准。 尽管某些数据源遵循ISO 3166，但该标准除数字分类外还定义了两个字母和三个字母的代码。 为了使问题进一步复杂化，许多数据库没有使用现有标准之一，而是使用未标准化的国家/地区名称对国家/地区进行分类。 国家/地区转换器（coco）可自动执行来自不同标准和版本的国家/地区名称的转换。 在内部，coco是基于一个表格的，该表格指定了每个国家/地区不同的IS

ScrollView比官方例子优化更好！！！ScrollView是比较常用的UI组件之一，游戏中的任务榜、排行榜都少不了它，实际使用中存在一个问题，例如：在排行榜中要显示前100名玩家，如果真的把这100名玩家的信息全部创建，并加载进ScrollView，对移动设备的宝贵内存会是巨大的浪费。其实玩家在屏幕上总能看到的最多只有7、8项而已，所以实际上只用创建比显示多一点的数量，再通过缓冲区实时动态更新数据，就可以给玩家呈现出尽可能多数量的列表（依内存而定，理论上无限），即节省内存，也不影响性能。

-数据集-_V-COCO_analysis

将xml格式文档转换为coco数据集的json格式档，方便模型训练使用。

这是VOC2012转换的coco格式的数据集可以用于目标检测训练或者矩形框形式的分割。 数据集已经按照训练验证集：测试集=9:1划分，然后训练集：验证集=9:1也就是训练集=0.9x0.9 验证集=0.9x0.1 测试集=0.1，可以用于paddledetection,mmdetection,effientdet等框架训练，由于数据集太大已经放云盘下载。

用于Detectron的mini版交叉验证集，共计5000个数据。

举手照片，可用于训练行为。数据来之不易。