智慧铁路极端天气下轨道异物入侵铁路杂物检测数据集VOC+YOLO格式1017张13类别

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 10bucket桶 框数 4danger危险 框数 343foggy雾天 框数 18grass草丛 框数 2motorbike摩托车 框数 1person人员 框数 106rail铁轨 框数 1172railway铁路 框数 36stone石头 框数 13train火车 框数 92vehicle车辆 框数 88wood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 4bucket桶 占有图片数 2danger危险 占有图片数 179foggy雾天 占有图片数 18grass草丛 占有图片数 2motorbike摩托车 占有图片数 1person人员 占有图片数 30rail铁轨 占有图片数 900railway铁路 占有图片数 29stone石头 占有图片数 11train火车 占有图片数 61vehicle车辆 占有图片数 58wood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