注意数据集是由3个人模拟拍摄，通过不同手势录制视频然后对视频进行抽帧形成的图片

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)：3364

标注数量(xml文件个数)：3364

标注数量(txt文件个数)：3364

标注类别数：11

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):["dog_everything","extend_boom","hoist","lower","lower_boom","move_slowly","raise_boom","retract_boom","stop","swing_left","swing_right"]

每个类别标注的框数：

dog_everything（全能动作） 框数 = 286

extend_boom（伸展臂架） 框数 = 287

hoist（起升） 框数 = 298

lower（下降） 框数 = 320

lower_boom（下降臂架） 框数 = 300

move_slowly（慢速移动） 框数 = 300

raise_boom（举升臂架） 框数 = 349

retract_boom（收回臂架） 框数 = 296

stop（停止） 框数 = 320

swing_left（左回转） 框数 = 299

swing_right（右回转） 框数 = 310

总框数：3365

每个类别占有图片数：

dog_everything（全能动作） 占有图片数 = 286

extend_boom（伸展臂架） 占有图片数 = 286

hoist（起升） 占有图片数 = 298

lower（下降） 占有图片数 = 320

lower_boom（下降臂架） 占有图片数 = 300

move_slowly（慢速移动） 占有图片数 = 300

raise_boom（举升臂架） 占有图片数 = 349

retract_boom（收回臂架） 占有图片数 = 296

stop（停止） 占有图片数 = 320

swing_left（左回转） 占有图片数 = 299

swing_right（右回转） 占有图片数 = 310

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：