进行苹果、香蕉、橙子的水果识别用于yolov数据集仅训练数据集和测试训练集加一起一共1000张图片，大部分的图片背景为白色，有少部分的背景干扰，有需要的可以下载测试。

五类表格文本标注数据，应用于表格识别，OCR等领域。 基本说明： 1. 总共4000张标注数据以及1000张未标注数据； 2. 数据标注采用labelme，保存文件为json； 3. 标注的数据类别为横线与竖线； 4. 表格中的虚线以及无线区域也会框选出来（这个标注信息，花点心思也能够明白模型的设计思路） 5.数据来源于真实数据，涉及到机密信息已脱敏 6. 这么大的数据集，来之不易，给需要的工程人员以及学习者提供些数据 7. 数据标注也雇佣了一些标注人员，标明的价格就当是会点小本吧。 8. 如果有需要可以下载，另外本人上传的资源还有目标检测-厨房老鼠的数据集，以及OCR手写数据集，都是非开源数据集，有需要可以查找。 9. 感谢各位大佬们，如果觉得数据集有价值，可以留个言评论一番哦。 最后最后，数据来源真实，已用于落地模型的训练，无需担心是脏数据。

推土机标注数据 voc格式 已标注完成 700张左右 深度学习 目标检测 有需要其他格式的可以私信我

这是基于Yolov5标注的人脸与口罩数据集，包含图片和txt文档，可直接训练使用

yolo3可视化界面_火焰检测+2k已标注火焰数据集.7z 开盖即食，函数模块化处理，修改方便，添加错误反馈机制，运行更稳定 共有5个界面：登陆、注册、图片检测（打开、检测）、视频检测（打开视频、关闭视频、检测视频、停止检测）、实时检测（打开摄像头、关闭、检测、关闭检测） 其中在所有检测种，使用本数据集检测正确度可以达到90%

对一些现有的数据集进行反推，生成labelme标注的格式。生成的效果如下图： 使用了 RSOD部分数据，将VOC数据集反推为labelme的标注数据。 代码如下： import sys import os.path as osp import io from labelme.logger import logger from labelme import PY2 from labelme import QT4 import PIL.Image import base64 from labelme import utils import os import cv2 import xml.et

和博客内附有的图片一样，路径配置好了以后直接可以用。

CNN-人群密度检测-密度图制作-数据集-标注工具等，这里的内容主要是本人在学习过程中在网络上收集所得。也有部分自己的改写。费了半天劲儿整理。绝对物超所值。

什么是数据标注_数据标注的分类_如何进行数据标注_数据标注工程

labelimg 标注工具 windows版exe，免安装，直接运行