用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用 用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用 用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用 用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用 用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用

数据集格式：Pascal VOC格式(不包含分割的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：5208 标注数量(xml文件个数)：5208 标注类别数：4 标注类别名称:["reflective_person","reflective","person","cloth"] 每个类别标注的框数： reflective_person count = 7213 reflective count = 7188 person count = 774 cloth count = 656 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明： reflective_person为穿反光衣的人 reflective为反光衣 person为未穿反光衣的人 cloth为非反光衣 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

工业安全手机检测识别图像数据集（VOC，yolo两类标签，8201张图像）.zip

牧场牛只分割图像数据集（300张图像，已划分训练测试集，含分割标签）.zip

未知工作服属性检测识别-餐厅后厨场景（VOC标签，919张图像）.zip

混凝土表面裂纹检测图像数据集（包含20,000张有裂缝的混凝土结构图像和20,000张无裂缝的图像，图像分类）.zip

烟草烟叶烘干程度检测数据集(图像分类，3类，每类300多张).zip

光栅检测YOLO格式数据集（140多张图像）.zip

陶瓷器型19分类 拼音分类标签 （每类600张以上）.zip

利用ffmpeg 来读取视频,解压缩为一个个frame, 再利用ffmpeg 将frame 压缩成jpeg 格式存成图片. 对ffmpeg 的主要调用接口如下: 1. 打开一个文件进行解码的过程: //初始化 avformat_open_input() avformat_find_stream_info() av_find_best_stream() avcodec_find_decoder() avcodec_parameters_to_context() avcodec_open2() //循环执行 av_read_frame() avcodec_send_packet() avcodec_receive_frame() //结尾 avformat_close_input() 2. 打开一个文件进行编码的过程: //初始化 av_guess_format() avio_open(); avformat_new_stream() avcodec_find_encoder() avcodec_parameters_to_context()