1、PascalVOC
xml格式标注文件，标注框格式是xmin，ymin，xmax，ymax
2、COCO
json格式标注文件，通过字段对目标位置和信息进行标注，框真值格式为“x,y,w,h”
3、YOLO
txt格式标注文件，每一行格式是“类别 左上角横坐标 左上角纵坐标 框宽 框高”，其中除了类别，其他标注均除以图片的宽和高做归一化。
4、DOTA
txt格式标注文件，每一行格式是“x1,y1,x2,y2,x3,y3,x4,y4,类别，difficult”，由于DOTA数据集为旋转框标注，因此以四个点坐标为标注格式
版权声明：本文为CSDN博主「yjyn1」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u012759006/article/details/119913886
如何使用自己的coco格式数据集
之前看了一篇 https://blog.csdn.net/weixin_43823854/article/details/108980188 实现有点啰嗦，那些class 颜色不用管
data
V1：以mask rcnn为基础，基于分割来进行端到端的文本识别。mask分支不仅能预测分割图来分割文本区域还可以预测字符概率图。 V2：在v1基础上在识别部分加入空间注意力以提升框架的文本识别能力。
摘要：
该文提出一种“网路扩展(Network Scaling)”方法，它不仅针对深度、宽度、分辨率进行调整，同时调整网络结果，作者将这种方法称之为Scaled-YOLOv4。
由此得
前言 本篇是mmdetection源码解读第二篇，主要讲解mmdetection是初始化数据类的。本文以coco数据集为例，当然，源码解读不可能面面俱到，重要的是揣摩设计者的思想以及实现过
暂无评论