labelimg的安装没必要配置环境，有对应的exe应用程序（只能windows系统下使用），大大提高工作效率。

遮罩R-CNN用于目标检测和分割 这是基于Python 3，Keras和TensorFlow的的实现。 该模型为图像中对象的每个实例生成边界框和分割蒙版。 它基于功能金字塔网络（FPN）和ResNet101主干网。 该存储库包括： 基于FPN和ResNet101构建的Mask R-CNN的源代码。 MS COCO的培训代码 MS COCO的预训练砝码 Jupyter笔记本电脑可在每个步骤可视化检测管线 用于Multi-GPU训练的ParallelModel类 评估MS COCO指标（AP） 在自己的数据集上进行训练的示例 该代码已记录并设计为易于扩展。 如果您在研究中使用它，请考虑参考此存储库。 如果您从事3D视觉工作，您可能会发现我们最近发布的数据集也很有用。 该数据集是由我们的客户捕获的3D重构空间创建的，这些客户同意将其公开提供给学术用途。 您可以看到更多示例。 入门 是最简

在财务领域，纸质报表向电子报表的转换需要大量的人工和时间成本。本文探究了纸质财务报表的自动识别过程，通过预处理、表头和表格区域的分割提取、单元格分割、字符提取与识别、表格还原等过程实现报表图片的转换，在实现报表信息便捷存储和查询的同时，也克服了人工录入的低效率、高成本等缺点。实验结果表明，该算法能有效实现图像的倾斜校正，且无需设置提示框限定拍摄范围；能有效分割表格格式的字符，其准确率为99.3%，无需手动框选待识别字符；字符识别准确率为93.7%，其中数字识别的准确率为97.8%，总体字符识别准确率相较Tesseract提升了8.1%。

VOC2007样本制作工具

windows下matlab版faster-rcnn训练用的voc2007数据集，网上找到制作方法比较分散，重命名、标定、生成文件没有合在一起，用VS2013写了个C++工具，可完成标定全过程，资源是可执行程序(不含代码)，分享给有需要的朋友。

本课程主要讲解遥感数据影像分类和目标检测的样本格式，通过结合遥感影像数据的特点和是否有对应的矢量数据，利用计算机视觉工具、PS、ArcGIS等软件制作遥感分类和目标检测深度学习的样本。

imageclipper样本制作工具，可以方便的抠出图片的感兴趣区域，作为学习模型的训练样本。要抠的图片放在exe目录下，里面已经包括所需的opencv1.0的.dll文件，可直接使用。

图像标注工具，参考了VIA及labelme等标注软件，由C#编写，支持矩形及多边形的数据标定，为了制作数据集用来做实例分割等深度学习算法训练，特编写了次软件，本着开源精神，代码一起奉上。分享给需要的好朋友们。