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)：3198
标注数量(xml文件个数)：3198
标注数量(txt文件个数)：3198
标注类别数：12
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):["bulldozer","color steel tile house","dump truck","excavator","fire","green buildings","greenhouse vegetables","mixer truck","mound","pond water","smoke","tower crane"]
每个类别标注的框数：
bulldozer (推土机) 框数 = 450
color steel tile house (彩钢板房) 框数 = 253
dump truck (自卸卡车) 框数 = 680
excavator (挖掘机) 框数 = 1641
fire (明火) 框数 = 71
green buildings (绿色建筑) 框数 = 212
greenhouse vegetables (温室蔬菜) 框数 = 287
mixer truck (搅拌车) 框数 = 147
mound (土堆) 框数 = 404
pond water (池塘水) 框数 = 329
smoke (烟雾) 框数 = 79
tower crane (塔式起重机) 框数 = 464
应用领域：这些类别涉及建筑施工、环保监测及异常事件检测等多个场景。
总框数：5017
图片分辨率：640x640
无人机：DJI Mavic Pro
采集高度：100m
采集角度：60°
使用标注工具：labelImg
标注规则：对类别进行画矩形框
重要说明：暂无
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：
