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)：299

标注数量(xml文件个数)：299

标注数量(txt文件个数)：299

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):["brake_1","brake_2","conePoint_1","conePoint_2","lightPoint","symbol_1","symbol_2","symbol_3","symbol_4","weightPoint","wheel_1","wheel_2","wheel_3","wheel_4","wheel_5","wheel_6"]

每个类别标注的框数：

brake_1 框数 = 258

brake_2 框数 = 30

conePoint_1 框数 = 221

conePoint_2 框数 = 53

lightPoint 框数 = 274

symbol_1 框数 = 49

symbol_2 框数 = 129

symbol_3 框数 = 62

symbol_4 框数 = 55

weightPoint 框数 = 280

wheel_1 框数 = 53

wheel_2 框数 = 47

wheel_3 框数 = 48

wheel_4 框数 = 50

wheel_5 框数 = 50

wheel_6 框数 = 50

总框数：1709

每个类别占有图片数：

brake_1 占有图片数 = 258

brake_2 占有图片数 = 30

conePoint_1 占有图片数 = 221

conePoint_2 占有图片数 = 52

lightPoint 占有图片数 = 273

symbol_1 占有图片数 = 49

symbol_2 占有图片数 = 128

symbol_3 占有图片数 = 62

symbol_4 占有图片数 = 55

weightPoint 占有图片数 = 279

wheel_1 占有图片数 = 53

wheel_2 占有图片数 = 47

wheel_3 占有图片数 = 48

wheel_4 占有图片数 = 50

wheel_5 占有图片数 = 50

wheel_6 占有图片数 = 50

图片分辨率：多分辨率图片,如1920x1080,2448x2048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者权重文件精度作任何保证

图片预览：

标注例子：