Labimg 已编译exe windows下可直接使用，可视化操作，无需用户而外配置环境 注意：软件所在路径中禁止出现中文，否则报错！

今天小编就为大家分享一篇将数据集制作成VOC数据集格式的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

在做目标检测任务时，若使用Github已复现的论文时，需首先将自己的数据集转化为VOC数据集的格式，因为论文作者使用的是公开数据集VOC 2007、VOC2012、COCO等类型数据集做方法验证与比对。 一、VOC数据集格式 –VOCdevkit2007 –VOC2007 –Annotations (xml格式的文件) –000001.xml –ImageSets –Layout –Main –train.txt –test.txt –val.txt –trainval.txt –Segmentation –JPEGImages (训练集和测试集图片) –000001.jpg –result

这是一个非常好用的目标检测数据集制作工具，能制作VOC2007+VOC2012格式数据集，目前生成的XML文件里面都是绝对路径，所以请将图片数据集放到合适文件夹下面

积分最少，不用下载48积分的，模仿mnist数据集格式制作自己的数据集

这个文档教程，一步步教你如何处理，制作自己的数据集进行目标检测的训练，这分教程教你制作标准的VOC数据集格式训练自己的目标检测模型。

create_KITTI_dataset以及create_ourdata

用于将巨幅图片剪切为规定大小的matlab代码，图像剪切、机器学习、深度学习、图像目标识别和检测。

模仿mnist数据集制作自己的数据集代码。HOG+SVM，深度学习，识别中采用的数据集。可以适用多个平台，声明本代码在OPENCV3.3和VS2017测试通过。

# 数据处理： 1、使用facenet中的文件或insight项目中的align_dataset_mtcnn.py将原始人脸数据先检测并处理成112x112大小， 2、制作训练集.rec文件 # python insightface/recognition/tools/im2rec.py --list --recursive /准备存放.lst的路径/准备存放.lst文件的名称（NBA） /图像文件夹路径/ #生成.lst # python im2rec2.py /刚刚生成的.lst文件路径/.lst的文件名 /图像文件夹路径/ ##生成.rec