这是一个手机目标检测的数据集，数据集的标注工具是labelimg,数据格式是voc格式，要训练yolo模型的话，可以使用脚本改成txt格式，数据集标注了手机，标签名：telephone,数据集总共有1960张，有一部分是直实数据，有一部分是是真实数据。
数据集地址：https://download.csdn.net/download/matt45m/89136478

数据标注如下：

数据保存目录如下：

xml标签文件：

<annotation>
<folder>JPEGImages</folder>
<filename>bs001783.jpg</filename>
<path>JPEGImages\bs001783.jpg</path>
<source>
<database>Unknown</database>
</source>
<size>
<width>1920</width>
<height>1080</height>
<depth>3</depth>
</size>
<segmented>0</segmented>
<object>
<name>telephone</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>1058</xmin>
<ymin>936</ymin>
<xmax>1123</xmax>
<ymax>977</ymax>
</bndbox>
</object>
</annotation>

python代码实现可视化：

import xml.etree.ElementTree as ET
import os
import cv2# ******************************************
src_XML_dir = r'labels'  # xml源路径
src_IMG_dir = r'images'  # IMG原路径
IMG_format = '.jpg'    # IMG格式
out_dir = 'out'  # 输出路径
# ******************************************if not os.path.exists(out_dir):os.makedirs(out_dir)
xml_file = os.listdir(src_XML_dir)  # 只返回文件名称,带后缀for each_XML in xml_file:  # 遍历所有xml文件# 读入IMGxml_FirstName = os.path.splitext(each_XML)[0]img_save_file = os.path.join(out_dir, xml_FirstName+IMG_format)img_src_path = os.path.join(src_IMG_dir, xml_FirstName+IMG_format)img = cv2.imread(img_src_path)# 解析XMLeach_XML_fullPath = src_XML_dir + '/' + each_XML  # 每个xml文件的完整路径tree = ET.parse(each_XML_fullPath)  # ET.parse()内要为完整相对路径root = tree.getroot()  # 类型为element# 画框for obj in root.findall('object'):if obj.find('bndbox'):bndbox = obj.find('bndbox')xmin = int(bndbox.find('xmin').text)xmax = int(bndbox.find('xmax').text)ymin = int(bndbox.find('ymin').text)ymax = int(bndbox.find('ymax').text)cv2.rectangle(img=img,pt1=(xmin,ymin),pt2=(xmax,ymax),color=(255,0,0),thickness=2)cv2.imwrite(filename=img_save_file, img=img)print('保存结果{}'.format(xml_FirstName))