注意数据集中存在部分增强图片，大约700张是原图剩余是增强图片

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)：1017

标注数量(xml文件个数)：1017

标注数量(txt文件个数)：1017

标注类别数：13

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):["animal","bucket","danger","foggy","grass","motorbike","person","rail","railway","stone","train","vehicle","wood"]

每个类别标注的框数：

animal（动物） 框数 = 10

bucket（桶） 框数 = 4

danger（危险） 框数 = 343

foggy（雾天） 框数 = 18

grass（草丛） 框数 = 2

motorbike（摩托车） 框数 = 1

person（人员） 框数 = 106

rail（铁轨） 框数 = 1172

railway（铁路） 框数 = 36

stone（石头） 框数 = 13

train（火车） 框数 = 92

vehicle（车辆） 框数 = 88

wood（木材） 框数 = 13

总框数：1898

每个类别占有图片数：

animal（动物） 占有图片数 = 4

bucket（桶） 占有图片数 = 2

danger（危险） 占有图片数 = 179

foggy（雾天） 占有图片数 = 18

grass（草丛） 占有图片数 = 2

motorbike（摩托车） 占有图片数 = 1

person（人员） 占有图片数 = 30

rail（铁轨） 占有图片数 = 900

railway（铁路） 占有图片数 = 29

stone（石头） 占有图片数 = 11

train（火车） 占有图片数 = 61

vehicle（车辆） 占有图片数 = 58

wood（木材） 占有图片数 = 13

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：