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)：896

标注数量(xml文件个数)：896

标注数量(txt文件个数)：896

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):["casing","external metal object","external support","flange","girth weld","girth weld anomaly","magnetic marker","metal corrosion","spiral weld anomaly","station branch pipe","tee"]

每个类别标注的框数：

casing（套管） 框数 = 3

external metal object（外部金属物体） 框数 = 33

external support（外部支撑） 框数 = 20

flange（法兰） 框数 = 4

girth weld（环焊缝） 框数 = 153

girth weld anomaly（环焊缝异常） 框数 = 118

magnetic marker（磁标记） 框数 = 1345

metal corrosion（金属腐蚀） 框数 = 1235

spiral weld anomaly（螺旋焊缝异常） 框数 = 470

station branch pipe（站内支管） 框数 = 1692

tee（三通） 框数 = 255

总框数：5328

每个类别占有图片数：

casing（套管） 占有图片数 = 3

external metal object（外部金属物体） 占有图片数 = 27

external support（外部支撑） 占有图片数 = 15

flange（法兰） 占有图片数 = 4

girth weld（环焊缝） 占有图片数 = 151

girth weld anomaly（环焊缝异常） 占有图片数 = 114

magnetic marker（磁标记） 占有图片数 = 455

metal corrosion（金属腐蚀） 占有图片数 = 301

spiral weld anomaly（螺旋焊缝异常） 占有图片数 = 274

station branch pipe（站内支管） 占有图片数 = 415

tee（三通） 占有图片数 = 128

图片分辨率：640x640

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：