文件压缩包约690M,提供百度云盘地址下载

数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)

图片数量(jpg文件个数)：10344

标注数量(xml文件个数)：10344

标注数量(txt文件个数)：10344

标注类别数：17

所在github仓库：firc-dataset

标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["AmurTiger","Badger","BlackBear","Cow","Dog","Hare","Leopard","LeopardCat","MuskDeer","RaccoonDog","RedFox","RoeDeer","Sable","SikaDeer","Weasel","WildBoar","Y.T.Marten"]

每个类别标注的框数：

东北虎 (AmurTiger) 框数 = 547  

獾 (Badger) 框数 = 409  

黑熊 (BlackBear) 框数 = 435  

奶牛/牛 (Cow) 框数 = 111  

狗 (Dog) 框数 = 125  

野兔 (Hare) 框数 = 1261  

豹 (Leopard) 框数 = 491  

豹猫 (LeopardCat) 框数 = 937  

麝鹿 (MuskDeer) 框数 = 1031  

貉 (RaccoonDog) 框数 = 1264  

红狐 (RedFox) 框数 = 872  

狍 (RoeDeer) 框数 = 563  

紫貂 (Sable) 框数 = 443  

梅花鹿 (SikaDeer) 框数 = 702  

鼬鼠/黄鼠狼 (Weasel) 框数 = 541  

野猪 (WildBoar) 框数 = 831  

黄喉貂 (Y.T.Marten) 框数 = 136  

总框数：10699

图片分辨率：1280x720

使用标注工具：labelImg

标注规则：对类别进行画矩形框

重要说明：数据集没有划分训练验证测试集需自行划分

特别声明：本数据集不对训练的模型或者权重文件精度作任何保证

图片预览：

标注例子：