黑夜环境下多目标检测数据集7342张VOC+YOLO格式

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)：7342

标注数量(xml文件个数)：7342

标注数量(txt文件个数)：7342

标注类别数：12

所在github仓库：datasets_sl

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):["bicycle","boat","bottle","bus","car","cat","chair","cup","dog","motor","people","table"]

标签中文对照：自行车、船、瓶子、公交车、汽车、猫、椅子、杯子、狗、摩托车、人、桌子

每个类别标注的框数：

bicycle 框数 = 1113

boat 框数 = 1389

bottle 框数 = 1592

bus 框数 = 704

car 框数 = 2917

cat 框数 = 908

chair 框数 = 2361

cup 框数 = 1653

dog 框数 = 1015

motor 框数 = 1071

people 框数 = 7438

table 框数 = 1477

总框数：23638

每个类别占有图片数：

bicycle 占有图片数 = 746

boat 占有图片数 = 694

bottle 占有图片数 = 705

bus 占有图片数 = 568

car 占有图片数 = 1309

cat 占有图片数 = 762

chair 占有图片数 = 1222

cup 占有图片数 = 839

dog 占有图片数 = 854

motor 占有图片数 = 586

people 占有图片数 = 2647

table 占有图片数 = 989

图片分辨率：512x512

使用标注工具：labelImg

数据集是否增强：否

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

标注及图片情况如下：