BDD100K数据集。BDD100K（Berkley DeepDrive 100K）是一个大规模的自动驾驶数据集，由加州大学伯克利分校的Berkley DeepDrive项目团队创建。该数据集旨在为自动驾驶研究提供大量的真实世界驾驶场景数据。 BDD100K数据集包含超过10万个视频序列，涵盖了不同地点、不同天气条件、不同场景的驾驶情况。每个视频序列都配备了高分辨率的前置摄像头记录的图像和对应的传感器数据，如GPS位置、车辆速度、车辆加速度等。这使得研究人员可以在真实世界的多样化驾驶场景中进行算法和模型的测试和评估。 BDD100K数据集主要关注场景理解和目标检测任务。它提供了包括车辆、行人、自行车、交通标志等多个类别的标注边界框。此外，数据集还提供了语义分割标注，用于对图像进行像素级别的分类。这使得研究人员可以进行更细粒度的场景理解和分析。 BDD100K数据集的规模和多样性使得它成为自动驾驶研究和算法开发的重要资源。研究人员可以利用该数据集进行目标检测、语义分割、行为预测等任务的训练和评估。一共上传的是7万张图片以及对应的标签（json格式），需要进行格式转换。图片过大传不了

网上大部分cityscapes转VOC的代码都不完整，所以写了这个完整转换VOC格式的脚本 注意事项： cityscapes_root需要自行修改，应设为leftImg8bit_trainvaltest和gtFine_trainvaltest所在的目录。 由于cityscapes的中并不包含VOC中的truncated和difficult信息，所以将所有object中truncated和difficult的值都设为0。 cityscapes数据集，通常将val作为test集用于验证性能，因为官方没有放出test集的标注，目的是防止有人用test集训练，在网站上刷分。

1.遥感数据集，方便入门学习。 2.RSOD是一个开放的目标检测数据集，用于遥感图像中的目标检测。数据集包含飞机，油箱，运动场和立交桥，以PASCAL VOC数据集的格式进行标注。 3.数据库的亮点是，各个类别之间样本量较均衡。 4.对于一般的目标检测而言，数据集至少应该是千位数甚至上万，可能效果会比较少的数据集更好。 5.上传的是936张数据集，有图片和标签，全部一一对应。 6.可以对任意数据集进行扩充，如果需要定做，私信我，或者私信找我要扩充之后的数据集，付费咨询。 7.扩充增强方法可以采用数据模糊，亮度，裁剪，旋转，平移，镜像等变化，或者基于深度学习SRGAN增强等方式。

textview加载带图片的html片段并实现按图片原始比例缩放图片

交通标志是引导汽车行驶的最重要信息之一，交通标志的检测是自主驾驶和智能交通系统的重要组成部分。构建一个具有多个样本和足够属性类别的交通标志数据集将推动交通标志检测研究的发展。 该数据集包含训练集和验证集，共有58种类别，训练集含有4000多张图片和标签，验证集含有1994张图片和标签。 可以直接放入yolov5中进行训练。（该数据集源自TSRD，作者已分类好训练集、验证集以及每个标签信息） 中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据集中国交通标志数据

手写数学公式数据样例（包含图片和标签）

coco128数据集：包含图片和标签，标签为txt格式，该数据集只包含128张样本，用来进行训练和验证的测试工作。

C# 实现的多张图片拼接，实际项目中用到，比如简单的标签云，生成二维码图片，拼接多张图片，图片拼接且透明化等功能

html5移动端拖拽图片、拖拽标签等插件以及相应的demo、适用于手机网址开发和mui前端开发、h5app开发中的图片拖拽、div拖拽等

给包含在文件夹下的图片加标签（python） 千次阅读 2019-03-16 10:27:36 #!/usr/bin/env python import sys import os.path if __name__ == "__main__": #if len(sys.argv) != 2: # print "usage: create_csv " # sys.exit(1) #BASE_PATH=sys.argv[1] BASE_PATH="E:/k" SEPARATOR=";" fh = open("C:\\Users\\lbn\\Desktop\\aa.txt",'w') for dirname, dirnames, filenames in os.walk(BASE_PATH): for subdirname in dirnames: subjec