注意数据集图片都是从视频截取形成的因此看似“重复”图片较多注意看图片
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)：441
标注数量(xml文件个数)：441
标注数量(txt文件个数)：441
标注类别数：16
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):["business road","clothes drying","garbage overflow","green_trample","illegal advertisement","illegal park","illegal umbrella","nonmotor park","outdoor advertisement","piled mess","road business","road puddle","sign","street litter","unlicensed business","water area"]
每个类别标注的框数和占有图片数：
business road（占道经营） 框数 = 29，占有图片数 = 29
clothes drying（晾晒衣物） 框数 = 53，占有图片数 = 39
garbage overflow（垃圾满溢） 框数 = 63，占有图片数 = 62
green_trample（绿化带踩踏） 框数 = 39，占有图片数 = 29
illegal advertisement（违规广告） 框数 = 20，占有图片数 = 20
illegal park（违章停车） 框数 = 42，占有图片数 = 31
illegal umbrella（违规遮阳伞） 框数 = 223，占有图片数 = 29
nonmotor park（非机动车停放） 框数 = 14，占有图片数 = 14
outdoor advertisement（户外广告） 框数 = 39，占有图片数 = 30
piled mess（杂物堆放） 框数 = 37，占有图片数 = 29
road business（道路经营） 框数 = 20，占有图片数 = 20
road puddle（道路积水） 框数 = 24，占有图片数 = 24
sign（标志牌） 框数 = 50，占有图片数 = 45
street litter（街道垃圾） 框数 = 14，占有图片数 = 14
unlicensed business（无证经营） 框数 = 69，占有图片数 = 29
water area（水域） 框数 = 36，占有图片数 = 26
总框数：772
图片分辨率：多分辨率图片,如1612x902,1610x900等
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权重文件精度作任何保证
图片预览：
标注例子：
单张图片：
