包含上千张猪群图片和通过labelimg框选得到的xml文件

VOCtest_06-Nov-2007.tar VOCtrainval_06-Nov-2007.tar VOCtrainval_11-May-2012.tar

转载于https://blog.csdn.net/sxfd91307/article/details/94980559?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522162737166216780366525358%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=162737166216780366525358&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~baidu_landing_v2~default-1-94980559.pc_search_result_before_js&utm_term=%E5%B0%86voc%E6%95%B0%E6%8D%AE%E9%9B%86%E8%BD%AC%E6%8D%A2%E6%88%90yolo&spm=1018.2226.3001.4187，方便自己以后查找使用

VOC2012完整数据集，放心下载，可以用于图像分类目标检测、语义分割等，百度云下载链接，很好的分类数据集

Faster-Rcnn：Two-Stage目标检测模型在Tensorflow2当中的实现 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 mAP 0.5:0.95 mAP 0.5 VOC07+12 VOC-Test07 - - 77.5 所需环境 tensorflow-gpu==2.2.0 文件下载 训练所需的voc_weights.h5可以去百度网盘下载 链接: 提取码: 92e8 VOC数据集下载地址如下： VOC2007+2012训练集 链接: 提取码: eiw9 VOC2007测试集 链接: 提取码: dsda 预测步骤 a、使用预训练权重 下载完库后解压，在百度网盘下载voc_weights.h5，放入model_data，运行predict.py，输入 img/street.jpg 利用video.py可进行摄像头检测。 b、使用自己训练的权重 按照训

目标检测VOC数据集：用PIL实现xml和图片的同步缩放

车牌数据，转换3W车牌。已经做成voc数据集。车牌数据，转换3W车牌。已经做成voc数据集车牌数据，转换3W车牌。已经做成voc数据集车牌数据，转换3W车牌。已经做成voc数据集车牌数据，转换3W车牌。已经做成voc数据集车牌数据，转换3W车牌。已经做成voc数据集

caffe-ssd 训练自己的VOC数据集(二):训练生成的lmdb数据-附件资源

包含上千张猪群图片和通过labelimg框选得到的xml文件。图片主要通过百度图片爬取高质量猪群图片，手动清洗删除不合适图片（重叠太大、个体太小、亮度太低、太过模糊等），通过labelimg进行标注，个体露出三分之一以上的进行标注。

主要介绍了python实现提取COCO,VOC数据集中特定的类，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧