超级简单的VOC2007数据集制作——使用自制的VOC2007数据集制作工具

最新推荐文章于 2025-05-03 14:45:04 发布
最新推荐文章于 2025-05-03 14:45:04 发布
阅读量1w 收藏 63
点赞数 14
分类专栏： 机器学习 C++ opencv MFC
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/nienelong3319/article/details/80368057
版权

使用自制VOC2007数据集制作工具

 

数据集制作工具下载链接

 

本人win10 64位系统 操作没有问题（其他系统没有试过），在有的机子测试会出现应用程序无法正常启动0xc0000007b，请从以下几个方面排查

1.创建文件夹

首先创建一个名字为VOC2007的文件夹，在该文件夹下再分别创建Annotations、ImageSets、JPEGImages三个子文件夹以及一个文本文件（名字任意）我新建一个叫output.txt，再ImageSets文件夹下创建名为Main的文件夹

 

2.将训练图片放到JPEGImages

将训练图片放到JPEGImages下，我这里随便弄了20张做个演示

3.使用我们自制的VOC2

最低0.47元/天 解锁文章
制作自己的VOC2007数据集
qq_41672012的博客
04-25 432
制作自己的VOC2007数据集 JPEGImages放的jpg格式的图片 Annotations 放的是xml 形式，文件名与图片名一一对应（可用labelimg） ImageSets下有Main文件夹 最后，要把样本分割为训练集、验证集、测试集等。分割情况会在/VOC2007/ImageSets/Main文件夹内的txt文件中进行记录。这里应该有4个txt文件，分别是：train.txt（用于...
深度学习——制作自己的VOC图像分割数据集
qq_27353621的博客
12-09 1707
深度学习——制作自己的VOC图像分割数据集
VOC2007数据集样本制作工具
01-11
windows下matlab版faster-rcnn训练用的voc2007数据集，网上找到制作方法比较分散，重命名、标定、生成文件没有合在一起，用VS2013写了个C++工具，可完成标定全过程，资源是可执行程序(不含代码)，分享给有需要的朋友。
转载：VOC2007数据集制作
weixin_33811539的博客
03-31 439
转载自：https://blog.youkuaiyun.com/gaohuazhao/article/details/60871886 另外，可参考：https://blog.youkuaiyun.com/dcxhun3/article/details/52923310 相信看这篇文章的人都在做深度学习吧，此数据集是为目标检测做的数据集，有错误处请海涵 代码见我的github上：https://github.com/Ed...
VOC2007数据集定制版
最新发布
gitblog_06744的博客
05-03 400
VOC2007数据集定制版 【下载地址】VOC2007数据集定制版 本开源项目提供了一款经过定制的VOC2007数据集，专注于目标检测任务。数据集仅包含两个目标类别：飞机和油罐，经过优化处理后，文件体积更小，下载和训练效率显著提升。该数据集适用于各类目标检测模型的训练和测试，能够帮助研究者和开发者快速验证模型效果。精简后...
VOC2007数据集制作软件
05-20
voc2007数据集软件，非常简易，包含图片重命名、画图像包围矩形框、生成xml、生成txt等功能，具体使用请看本人博客
VOC2007制作自己的数据
BOTAK
07-22 359
VOC数据集解析 VOC2007数据集下面有5个文件夹，如下所示： 1， Annotations文件夹（存放是xml格式的标签文件，每一个xml文件都对应于JPEGImages文件夹的一张图片） 2， JPEGImages文件夹（该文件夹下存放的是数据集图片，包括训练以及测试图片） 3， ImageSets文件夹（该文件夹下有三个文件，分别是Layout，Main，Segmentaton） 4， ...
深度学习图像分割——制作自己的VOC数据集
LOLUN9的博客
05-19 3616
制作自己的VOC数据集
创建自己的VOC2007数据集
热门推荐
qq_36301716的博客
01-09 1万+
创建自己的VOC2007数据集 一：VOC2007数据集简介 PASCAL VOC为图像识别和分类提供了一整套标准化的优秀的数据集，从2005年到2012年每年都会举行一场图像识别challenge。 VOC2007数据集是衡量图像分类识别能力的基准，faster-rcnn，yolo -v1, yolo-v2都以此数据集作为演示样例。 VOC2007数据格式如下： Annotat
利用yolov实现目标检测——用labelimg制作目标检测的数据集
m0_67214602的博客
04-14 4146
利用yolov实现目标检测——用labelimg制作目标检测的数据集
VOC2007数据集制作工具(FasterRCNN，YOLO数据集制作)
07-26
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
制作VOC2007数据集用到的一些代码
05-26
对图片批量重命名为VOC2007的形式，制作VOC2007数据集的xml文件，制作四个txt文件。（该文件中不包括画目标包围框的代码）
制作VOC数据集的xml文件
05-24
制作VOC数据集的xml文件（一张图片可包含多个目标包围框）
VOC2007官方开发工具包
03-19
VOCdevkit_08-Jun-2007.rar，VOC2007官方开发工具包，包含各种python、matlab文件
训练自己的数据集
04-10
本代码主要用于自己数据制作VOC2007数据集格式，用以进行目标检测网络的训练，如faster r-cnn等一类的目标检测网络
制作VOC数据集工具
二分掌柜的
08-29 763
制作VOC数据集工具 flyfish 下载地址 VOC dataset tool 1 video2img.py 从视频文件里抽帧保存成图片 **2 convert2jpg.py ** 图片文件格式需要是jpg的，如果是其他格式则需要转换 3 rename.py 文件名称需要是VOC的格式的，数字6位，不足6位前面补0 **4 buildtxt.py ** 使用标注工具，标注图片会生成的xml文件...
目标检测制作自己的VOC2007数据集
tingxueyou的专栏
03-01 1万+
在目标检测时候往往需要使用自己的图片集来测试性能，所以本文介绍如何实现对自己数据集的训练和验证过程，内容包括：  1 数据集的标注  2 数据集的转换 1 数据集的标注 　　数据的标注使用BBox-Label-Tool工具，该工具使用python实现，使用简单方便。修改后的工具支持多label的标签标注。  该工具生成的标签格式是:  object_numbe
【数据集制作】VOC2007格式数据集制作和处理教程(Faster-RCNN模型标准输入)
weixin_45736855的博客
04-25 5647
此数据集可用于目标检测和图像分割，此次实验案例是讲解Faster-RCNN、YOLOv3等模型的进行目标检测的标准数据集输入，没讲分割，所有用不到上述所有数据集，只讲其中目标检测部分数据集的制作。此次案例是制作VOC2007数据集的制作教程，用于目标检测，此次数据集处理可用于Faster-RCNN、YOLOv3等网络进行目标检测模型的标准输入。至此，VOC2007格式数据集制作完成。
目标检测数据集制作（VOC2007格式数据集制作和处理教程）
qq_43437044的博客
01-29 2013
本次的是目标检测，对应的如下结构。
目标检测自制数据集xml
01-19
### 创建并标注用于目标检测的自定义数据集 (XML 格式) #### 数据收集 构建一个高质量的目标检测数据集首先要获取大量图像样本。这些图像是指那些能够代表实际应用场景中的物体或场景的照片。确保所选图片具有足够的分辨率来清晰显示待识别的对象。 #### 工具选择 对于创建基于 XML 的标签文件来说，LabelImg 是一款非常受欢迎的选择工具之一[^1]。它允许用户通过图形界面轻松地标记矩形框以及分配类名给每一个被标记对象。安装 LabelImg 可以通过 pip 安装 Python 包 `pyqt5` 和 `lxml` 来完成： ```bash pip install pyqt5 lxml git clone https://github.com/tzutalin/labelImg.git cd labelImg make qt5py3 ``` 启动应用程序后即可开始手动绘制边界框并对每张图片内的各个实例进行分类命名操作。 #### 文件结构 当使用像 Pascal VOC 这样的标准格式保存时，每个图像对应单独的一个 .xml 文件作为其元数据描述文档；而所有此类 xml 文档通常会被放置在一个专门为此目的设立的目录下（比如命名为 Annotations）。下面是一个典型的 XML 注解文件的内容概览: ```xml <annotation> <folder>images</folder> <filename>image_0001.jpg</filename> <path>/home/user/images/image_0001.jpg</path> <source> <database>Unknown</database> </source> <size> <width>640</width> <height>480</height> <depth>3</depth> </size> <segmented>0</segmented> <object> <name>bicycle</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>279</xmin> <ymin>194</ymin> <xmax>355</xmax> <ymax>366</ymax> </bndbox> </object> </annotation> ``` 此模板展示了如何记录单个物品的位置及其属性信息。其中 `<object>` 节点下的子节点分别表示该物体的名字、姿态、截断情况、难度级别和包围盒坐标等细节[^2]。 #### 数据预处理与转换 由于 YOLO 系列算法默认支持的是特定格式的数据输入方式——即所谓的 "YOLO format"，因此如果原始数据是以其他形式存在的，则可能需要先做一次格式上的调整工作。例如从上述提到过的 Pascal VOC 或者 COCO JSON 到 YOLO txt 的转变过程可以通过编写简单的脚本来实现自动化处理。
评论 28
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值