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)：5391

标注数量(xml文件个数)：5391

标注数量(txt文件个数)：5391

标注类别数：19

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):["BJEV","BMW","BYD","BYDQing","BYDSong","BYDTang","Chery","EADO","Ford","JAC","JAC1","Karry","Porsche","ROEWE","TOYATA","Tesla","Volvo","YEMA","cadillac"]

每个类别标注的框数：

BJEV（北汽新能源）框数 = 227 占有图片数 = 227  

BMW（宝马）框数 = 13 占有图片数 = 13  

BYD（比亚迪）框数 = 43 占有图片数 = 43  

BYDQing（比亚迪-秦）框数 = 62 占有图片数 = 62  

BYDSong（比亚迪-宋）框数 = 173 占有图片数 = 173  

BYDTang（比亚迪-唐）框数 = 43 占有图片数 = 43  

Chery（奇瑞）框数 = 1092 占有图片数 = 1092  

EADO（长安-逸动）框数 = 312 占有图片数 = 312  

Ford（福特）框数 = 17 占有图片数 = 17  

JAC（江淮）框数 = 1853 占有图片数 = 1853  

JAC1（江淮-1/特定型号）框数 = 854 占有图片数 = 854  

Karry（开瑞）框数 = 46 占有图片数 = 46  

Porsche（保时捷）框数 = 8 占有图片数 = 8  

ROEWE（荣威）框数 = 275 占有图片数 = 275  

TOYATA（丰田）框数 = 1 占有图片数 = 1  

Tesla（特斯拉）框数 = 338 占有图片数 = 338  

Volvo（沃尔沃）框数 = 11 占有图片数 = 11  

YEMA（野马）框数 = 14 占有图片数 = 14  

cadillac（凯迪拉克）框数 = 9 占有图片数 = 9  

总框数：5391

图片分辨率：640x640

使用标注工具：labelImg

数据集是否有增强：无

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：