数据集格式：Pascal VOC格式(不包含分割的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：2090 标注数量(xml文件个数)：2090 标注类别数：2 标注类别名称:["chef hat","head"] 每个类别标注的框数： chef hat count = 4174 head count = 1553 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

疟疾识别图像数据集(27000张图像，2类图像).zip

数据集格式：Pascal VOC格式(不包含分割的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：1609 标注数量(xml文件个数)：1609 标注类别数：2 标注类别名称:["kid","adult"] 每个类别标注的框数： kid count = 1763 adult count = 605 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

用于番茄果实定位和成熟检测的图像数据集，真实场景下番茄检测图像数据集（COCO标签，200多张图像

用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用 用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用 用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用 用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用 用于darknet框架下深度学习的数据集，自己收集的图片制作而成，一共1600余张，包括手工标注的xml文件，可以直接用于训练使用

数据集格式：Pascal VOC格式(不包含分割的txt文件，仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数)：5208 标注数量(xml文件个数)：5208 标注类别数：4 标注类别名称:["reflective_person","reflective","person","cloth"] 每个类别标注的框数： reflective_person count = 7213 reflective count = 7188 person count = 774 cloth count = 656 使用标注工具：labelImg 标注规则：对类别进行画矩形框 重要说明： reflective_person为穿反光衣的人 reflective为反光衣 person为未穿反光衣的人 cloth为非反光衣 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注

工业安全手机检测识别图像数据集（VOC，yolo两类标签，8201张图像）.zip

牧场牛只分割图像数据集（300张图像，已划分训练测试集，含分割标签）.zip

未知工作服属性检测识别-餐厅后厨场景（VOC标签，919张图像）.zip

混凝土表面裂纹检测图像数据集（包含20,000张有裂缝的混凝土结构图像和20,000张无裂缝的图像，图像分类）.zip