在目标检测中，相比于yolo格式，voc格式和coco格式都使用绝对值描述boxes的size，这在多数据集融合时存在一定的缺陷。尤其是在存在超高清影像中（在数据集中存在超高清影像通常会使dataloader内存不够用，或导致数据加载卡顿），我们不能仅对图像进行resize操作（还需要同时对xml或json文件中描述的boxes进行等比例换算操作）。为此实现对yolo数据、voc数据的resize操作。

对于yolo数据，可以直接对大图图像批量进行resize操作；而对于voc数据，则需要先将其转换为yolo格式，然后在yolo格式下对图像进行resize操作，最后将yolo格式数据转换为voc格式。

1、yolo格式数据resize

yolo格式数据resize，不需要进行额外操作，仅使用以下代码即可。
代码中root为yolo格式数据中图片的存储路径,max_height为限制图像最大高度（大于此高度的图像，都会被等比例resize到该高度）

python">import cv2
import os
root='./images/'
max_height=