企业官网建设流程全解析

注意数据集中绝大部分并不是厨房里面场景，具体请看图片

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)：19121

标注数量(xml文件个数)：19121

标注数量(txt文件个数)：19121

标注类别数：11

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):["chef_hat","chef_uniform","cockroach","hairnet","no_gloves","no_hat","phone","rat","smoke","with_mask","without_mask"]

每个类别标注的框数和占有图片数：

chef_hat（厨师帽） 框数 = 87，占有图片数 = 58

chef_uniform（厨师服） 框数 = 219，占有图片数 = 144

cockroach（蟑螂） 框数 = 2441，占有图片数 = 1847

hairnet（发网） 框数 = 7762，占有图片数 = 5710

no_gloves（未戴手套） 框数 = 3574，占有图片数 = 2295

no_hat（未戴帽子） 框数 = 2869，占有图片数 = 1509

phone（手机） 框数 = 851，占有图片数 = 550

rat（老鼠） 框数 = 3219，占有图片数 = 2301

smoke（烟雾/吸烟） 框数 = 5157，占有图片数 = 4839

with_mask（佩戴口罩） 框数 = 2534，占有图片数 = 690

without_mask（未佩戴口罩） 框数 = 761，占有图片数 = 377

总框数：29474

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权重文件精度作任何保证

图片预览：

标注例子：

单张图片：