企业官网建设流程全解析

火车铁轨异物入侵检测数据集598张VOC+YOLO格式

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)：598
标注数量(xml文件个数)：598
标注数量(txt文件个数)：598
标注类别数：12
所在github仓库：datasets_sl
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):["Metal barrel","Metal frame","Plastic board","Plastic pipe","Wire","bag","bricks","car","papers","person","plastic bag","wood stick"]
标签中文对照：金属桶，金属框架，塑料板，塑料管，电线，袋子，砖块，汽车，纸张，人，塑料袋，木棍
每个类别标注的框数：
Metal barrel 框数 = 79
Metal frame 框数 = 44
Plastic board 框数 = 162
Plastic pipe 框数 = 142
Wire 框数 = 5
bag 框数 = 59
bricks 框数 = 178
car 框数 = 16
papers 框数 = 65
person 框数 = 100
plastic bag 框数 = 59
wood stick 框数 = 55
总框数：964
每个类别占有图片数：
Metal barrel 占有图片数 = 79
Metal frame 占有图片数 = 34
Plastic board 占有图片数 = 114
Plastic pipe 占有图片数 = 138
Wire 占有图片数 = 5
bag 占有图片数 = 44
bricks 占有图片数 = 163
car 占有图片数 = 14
papers 占有图片数 = 65
person 占有图片数 = 83
plastic bag 占有图片数 = 34
wood stick 占有图片数 = 55
图片分辨率：720x720
使用标注工具：labelImg
数据集是否增强：否
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

标注及图片情况如下：