1，JPEGImages

所有的图片，其中包括训练图片，测试图片

2，Annotations

存放xml格式的标签文件，每个xml对应JPEGImage中的一张图片

3，ImageSets
Action：人的动作
Layout：人体的具体部位
Main： 图像物体识别的数据，总共20类, 需要保证train val没有交集
train.txt：训练集
val.txt：验证集
trainval.txt：训练和验证集
Segmentation：用于分割的数据

4、SegmentationObject & SegmentationClass

保存的是物体分割后的数据

# 深度学习 # 人工智能 # 机器学习
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

cover

基于模仿学习的机器人操作：分类、演化、基准测试与挑战

avatar DAMO开发者矩阵

惊爆！提示工程架构师揭秘Agentic AI上下文工程实体识别核心技术

当我们谈论Agentic AI（具身智能/自主代理AI）时，最核心的问题从来不是“它能做什么”，而是“它能理解什么”——毕竟，一个无法准确理解上下文的自主代理，和只会机械执行指令的“工具人”没有本质区别。而实体识别，正是Agentic AI理解上下文的“第一块拼图”：它像一把“信息手术刀”，从用户的输入（文本、语音、图像）中精准提取出关键元素（比如“华为Mate 60 Pro”“订单号123456

avatar DAMO开发者矩阵

【机械臂路径规划】基于约束的增量拓展随机树CBiRRT算法实现机械臂机器人路径规划附Matlab复现和论文

随着工业4.0和智能制造的快速发展，机械臂作为自动化生产线的核心执行单元，其路径规划能力直接影响生产效率与安全性。传统路径规划算法（如A*、Dijkstra）在复杂障碍物场景中易陷入局部最优，而基于采样的RRT（Rapidly-exploring Random Tree）算法虽能高效探索高维空间，但存在路径非最优、采样效率低等问题。尤其在机械臂关节空间受限、动态障碍物避障等约束条件下，传统RRT算

avatar DAMO开发者矩阵