口罩数据集（mask，nomask)，VOC格式，可用于目标检测等

苹果数据集（带标注）YOLO和VOC格式 4000张数据增强后的图片 文件夹主要包含四个文件：VOC2007，VOC2007中包含了VOC格式标注、数据增强以后的图片、YOLO格式标注

将winder数据集转换为 VOC格式，可用于人脸检测训练

将开源winder数据集进行格式转换，转换成VOC格式，可用于人脸检测训练与测试

内容概要：python脚本划分训练集测试集。可以把coco、voc格式的数据转换成yolo系列数据。经过大量实践验证无bug 源代码：python脚本 适合人群：学生、具备一定编程基础，工作1-3年的研发人员、想入门人工智能的爱好者、科研人员 能学到什么：可以快速出效果。节省你的时间 备注：如遇问题，随时联系我。

香蕉数据集（带标注）YOLO和VOC格式 3000张图片

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)：2872 标注数量(xml文件个数)：2872 标注类别数：1 标注类别名称:["chicken"] 每个类别标注的框数： chicken count = 5003 标注规则：对类别进行画矩形框

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)：1425 标注数量(xml文件个数)：1425 标注类别数：1 标注类别名称:["butterfly"] 每个类别标注的框数： butterfly count = 1483 标注规则：对类别进行画矩形框

voc2coco 这是用于将VOC格式的XML转换为COCO格式的json（例如coco_eval.json）的脚本。 为什么我们需要将VOC xmls转换为COCO格式json？ 我们可以使用COCO API，这非常有用（例如，计算mAP）。 如何使用 1.制作labels.txt 如果需要制作将标签转换为ID的字典，则为labels.txt。 样本labels.txt Label1 Label2 ... 2.运行脚本 2.1用法1（使用ID列表） $ python voc2coco.py \ --ann_dir /path/to/annotation/dir \ --ann_ids /path/to/annotations/ids/list.txt \ --labels /path/to/labels.txt \ --output /pat

使用yolo进行口罩检测 里面包含口罩目标检测数据集（已标注好，VOC格式） xml文件和jpg文件都放在文件夹中，可以根据自己格式进行运行