百度到的不能用，自己写了一个。 针对VOC格式数据集标注文件（xml）使用。 用于目标检测标注文件中的，name内容（label）修改/替换。

CUHK Occlusion Dataset数据集,用于行人检测，做好了yolo格式数据集的训练和划分，同时上传了yolo和voc两个格式的标签集。 包括：1.VOC格式（.xml文件）的数据集 2.yolo格式（.txt文件）的数据集 3.划分好的yolo格式的训练集和数据集 文件结构： images——train(训练集的jpg图片) ——val(测试集的jpg图片) labels——train(训练集的标签) ——val(测试集的标签) VOC2007——JPEGImages（数据集原本的1063张jpg图片） ——Annotations（数据集中图片对应的.xml标签文件——VOC格式） ——YOLOLabels（数据集中图片对应的.txt标签文件——yolo格式）

PLabel 半自动标注系统是基于BS架构，纯Web页面操作，由鹏城实验室叶齐祥、曾炜、田永鸿教授团队自主研发，由工程师邹安平维护，集成视频抽帧，目标检测、视频跟踪、ReID分类、人脸检测等算法，实现了对图像，视频的自动标注，并可以对自动算法的结果进行人工标注，最终得到标注结果，同时也可以对视频、图片、医疗（包括dicom文件及病理图像）相关的数据进行人工标注，标注结果支持COCO及VOC格式。支持多人协同标注。 半自动标注系统主要功能有：用户管理，数据集管理，自动标注，人工标注，ReID标注，车流统计，视频标注，医疗CT标注，超大图像标注，模型管理与重训，报表管理。数据标注过程一个非常重要的因素是数据安全，在标注使用中防止数据泄露，采用基于web标注工具是有效避免数据泄露的措施之一。 半自动标注系统以保证性能的情况下最小化人工标注代价为目标，不断提升自动标注效率，减少人工标注和人工参与过

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 \

YOLOv5实时检测老鼠源码、数据及模型，其中包含老鼠检测数据集1600张，标签为voc（xml）和yolo（txt）格式，标注精确，数据集自己一张张筛选标注，自用，图片多样性，欢迎下载使用！有问题可以留言或者私信给我。

烟雾数据集，图片一共有4019张，对应标签现有xml格式、yolo格式，有需要json格式标签请留言。欢迎下载！有问题可留言~

YOLO格式和voc格式的数据集，标签类别名为drone，7000多张图片，包含大、中、小等各种尺度的无人机目标，标签格式为txt和xml，用于目标检测

voc2YOLO_conversion 输入包含VOC格式文件文件（.xml）的文件夹，并返回包含文本文件（.txt）的文件夹，即转换为YOLO格式文件

数据集转换脚本（工具向） News: 最近开始论文实验，需要重新整理一下数据集，顺便整理一下这个代码仓库。 简介 仓库中的脚本用于将Labelme标注的数据转换为PASCAL VOC格式或MS COCO格式的标准数据集，便于直接利用现有的训练框架进行训练。 使用须知: 脚本写的其实并不复杂，有基础的同学可以过一下脚本的流程，确保在自己使用的标注数据或数据集上能正常使用，有需要调整的地方也可以自己调整下，可以省掉一些Debug的无用功夫。 举例说明： 数据集不同，计算BBOX左上角和右下角的Points下标也不一定相同，需要确认下。 标注工具和常见的两种数据集格式 Labelme是我用的标注工具，对图像进行多种类型的标注，可以直接得到json文件。GitHub地址如下： PASCAL-VOC和MS-COCO是两个大型的开源数据集，其数据集的标注形式成为了通用的标注方式，常见的视觉模型的训练

包括JPEGImages和Annotations.共标注2353张图片数据集 免去了收集,挑选,标注图片的时间,可直接进行工程化应用.