自动标注工具（适用于yolo系列所有数据集）

此次ppt是在公司实习讲的一篇目标检测yolo系列最新的yolov7

TIV红外人员数据集，已转为yolo格式，共包含7136张训练集，1784张测试集数据，用于yolo目标检测系列训练，数据清晰，可作为红外人员检测数据集基础数据。

Flir红外数据集，已过滤筛选为3个类别，包括人员，骑车的人，汽车三种类别（person, bicycle, car）,已转为yolo格式，共包含8862张训练集，1366张测试集数据，用于yolo目标检测系列训练，数据清晰，可作为红外检测数据集，自动驾驶等场景的基础数据。数据大小超限制，已放链接，可下载。

该资源为我研究方向，基于机器视觉的轴承表面缺陷检测研究所需的算法总结

各种车辆类别的YOLO数据集，数据集车辆分为五个类别，分别为Ambulance、Bus、Car、Motorcycle、Truck。可直接用于车辆相关的神经网络训练。

yolo系列网络使用labelimg工具标注的xml文件，可以对xml文件进行节点的修改，删除等操作。

内容概要：python脚本划分训练集测试集。可以把coco、voc格式的数据转换成yolo系列数据。经过大量实践验证无bug 源代码：python脚本 适合人群：学生、具备一定编程基础，工作1-3年的研发人员、想入门人工智能的爱好者、科研人员 能学到什么：可以快速出效果。节省你的时间 备注：如遇问题，随时联系我。

YOLO系列作为目标检测算法中非常经典的一个分支，也是很多入门目标检测算法的基础算法，目前，基于深度学习算法的一系列目标检测算法大致可以分为两大流派： 1.two-stage算法：先产生候选区域然后再进行CNN分类(RCNN系列)， 2.one-stage算法：直接对输入图像应用算法并输出类别和相应的定位(YOLO系列) 之前的R-CNN系列虽然准确率比较高，但是即使是发展到Faster R-CNN，检测一张图片如下图所示也要7fps(原文为5fps)，为了使得检测的工作能够用到实时的场景中，提出了YOLO。

反光衣数据集，以建筑工地为主，分类反光衣和其他衣服两类 ├── Annotations │   ├── reflective_000000.xml │   ├── reflective_000001.xml │   ├── reflective_000002.xml │   ├── reflective_000003.xml ...... ├── reflective_0001028.xml JPEGImages ├── reflective_000000.jpg ├── reflective_000001.jpg ├── reflective_000002.jpg ├── reflective_000003.jpg ...... ├── reflective_0001028.jpg