Formato del conjunto de datos: formato Pascal VOC (archivo txt sin ruta dividida y archivo txt en formato yolo, solo imagen jpg y xml correspondiente) Número de imágenes (número de
archivos jpg): 1980
Número de etiquetas (número de archivos xml): 1980
Número de categorías etiquetadas: 5
Nombres de categorías etiquetadas: ["perro","persona","cuerda","qs_yes","qs_no"] Número de
cajas etiquetadas para cada categoría:
cantidad de perros = 2414 cantidad
de personas = 2078
cantidad de cuerdas = 1028
qs_yes cuenta = 537
qs_no cuenta = 208
Use la herramienta de etiquetado: labelImg
Reglas de etiquetado: dibuje un marco rectangular para la categoría
Nota importante: qs_yes significa que el perro tiene correa, y se marcará solo cuando existan humanos y perros qs_no significa que el perro no tiene correa una correa, solo cuando existan humanos y perros Solo se etiquetará,
declaración especial: este conjunto de datos no garantiza la precisión del modelo entrenado o el archivo de peso, el conjunto de datos solo proporciona anotaciones precisas y razonables, vea
el tutorial para obtener detalles sobre las anotaciones:
[Conjunto de datos][Detección de objetivos] Pasear al perro sin correa Formato VOC-1980 piezas_哔哩哔哩_bilibili volumen de reproducción de video 1, volumen de bombardeo 0, me gusta 0, lanzamiento de moneda 0, marcadores 0, reenvío 0, autor del video Future Independent Research Center, perfil del autor Future Independent Research Center, video relacionado: C# se da cuenta de que toda la red yolov7 es actualmente la forma de Windows más rápida detección de objetivos, basada en yolov8+deepsort para lograr una demostración de video de seguimiento de objetivos, labelme to yolov5 y tutorial de herramienta de conjunto de datos de segmentación de instancias yolov7, use C# para llamar al modelo libotrch-yolov5 para lograr la detección de objetivos winform más rápida en toda la red, etiquetado automático yolov7 El La herramienta etiqueta automáticamente la detección de objetivos y etiqueta automáticamente el tutorial de etiquetado acelerado de gpu, realiza la demostración de video de seguimiento de objetivos basada en yolov8+bytetrack, encapsula yolov5 en una clase con unas pocas líneas de código para realizar la tarea de detección de objetivos, entrena rápidamente al asistente tesseract -ocr, e implementa yolov8 con el modelo C# Tensorrt para la detección de objetivos winform velocidad de detección más rápida, yolov5 herramienta de etiquetado automático etiquetado automático detección de objetivos tutorial de etiquetado automático 
https://www.bilibili.com/video/BV15P411t7Ny/