在进行image captioning实验时，通常会使用COCO、Flickr8k和Flickr30k等数据集。这些数据集已经处理好了格式，因此我们可以直接使用它们。然而，当我们需要使用自定义的数据集来完成特定任务时，就需要将其转换为json格式的数据集。目前，关于这方面的代码资料相对较少。因此，本文作者花费了一些时间，从头编写了一个能够将自定义的image captioning数据集转换为COCO JSON格式的代码。

DDSM是一个开源的乳腺癌X光数据集，其中包括四类，良性恶性正常以及无需回访的良性。研究人员可以使用其训练模型，但是由于其为医学上的专业格式LJPEG导致训练无法进行，所以本人提供了转换后的jpeg格式的数据集供大家使用，同时附上了转换成其他格式的指令。

KITTI数据集 转换为ROSBAG格式，且补充了点云格式转换部分，比原始的全面一些

帮助函数将表/数据集转换为紧凑格式的字符表示（类似于 NUM2STR）。 它还通过仅显示相关数字、删除不必要的零、在表格显示中添加的粗体控制命令等使表格更具可读性。 该函数可以处理多种类型的多维列。 字符串表示对于将表格存储在文本文件中或将其附加到其他文本数据（例如，作为图形中的 UserData）非常有用。

DiffGen 用于数据挖掘的差异私有数据发布[SIGKDD 2011] 许可证：知识共享署名-非商业性-相同方式共享4.0国际公共许可证 业主：诺曼·穆罕默德（Noman Mohammed），陈瑞和本杰明·冯（Benjamin CM Fung） 出版物： N. Mohammed，R。Chen，BCM Fung和PS Yu。 用于数据挖掘的差异私有数据发布。 在第17届ACM SIGKDD国际知识发现和数据挖掘会议（SIGKDD）的会议记录中，第493-501页，加利福尼亚州圣地亚哥：ACM出版社，2011年8月。 免责声明： 该软件按原样提供，不提供任何保修或支持。 对于因使用我们的软件而引起的任何损坏，收入损失或任何问题，我们不承担任何责任。 如有疑问，建议您查阅本文和源代码。 如果您发现我们的软件有用，请在上面引用我们的论文。 成人数据集也可以从以下获得： :

voc数据集格式转yolo数据集格式（直接划分成训练集和验证集）---目标检测数据集转换代码，python程序代码，自己当前在用，使用过程中只需要修改相应的路径即可。

目标检测数据集转换：labelme生成的json数据转换为coco数据集格式，当前自己在用。

本脚本可以将YOLO的txt数据集转化为Pascal VOC的 xml 数据集

支持向量机_with_python 在本笔记本中，我们介绍了支持向量机（SVM）算法，这是一种功能强大但简单的监督学习方法，用于预测数据。 对于分类任务，SVM算法尝试将特征空间中的数据划分为不同的类别。 默认情况下，这种划分是通过构造最佳分割数据的超平面来执行的。 为了进行回归，构造了超平面以映射数据分布。 在这两种情况下，这些超平面均以非概率方式映射线性结构。 但是，通过采用内核技巧，我们可以将非线性数据集转换为线性数据集，从而使SVM可以应用于非线性问题。 SVM是功能强大的算法，已得到广泛普及。 这部分是由于它们在高维特征空间中有效，包括那些特征数与实例数相似或略微超过实例数的问题。 与具有大量数据集的内存需求很高的KNN不同，SVM可以提高内存效率，因为仅需要支持向量即可计算超平面。 最后，通过使用不同的内核，SVM可以应用于各种学习任务。 另一方面，这些模型是黑匣子，很难解释

python AI 手写数据集 人工智能 图像识别，下载手写数据集后使用本代码，设置好路径可以将手写数据转换成图片集