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)：10344
标注数量(xml文件个数)：10344
标注数量(txt文件个数)：10344
标注类别数：17
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):["AmurTiger","Badger","BlackBear","Cow","Dog","Hare","Leopard","LeopardCat","MuskDeer","RaccoonDog","RedFox","RoeDeer","Sable","SikaDeer","Weasel","WildBoar","Y.T.Marten"]
每个类别标注的框数：
东北虎 (AmurTiger) 框数 = 547
獾 (Badger) 框数 = 409
黑熊 (BlackBear) 框数 = 435
奶牛/牛 (Cow) 框数 = 111
狗 (Dog) 框数 = 125
野兔 (Hare) 框数 = 1261
豹 (Leopard) 框数 = 491
豹猫 (LeopardCat) 框数 = 937
麝鹿 (MuskDeer) 框数 = 1031
貉 (RaccoonDog) 框数 = 1264
红狐 (RedFox) 框数 = 872
狍 (RoeDeer) 框数 = 563
紫貂 (Sable) 框数 = 443
梅花鹿 (SikaDeer) 框数 = 702
鼬鼠/黄鼠狼 (Weasel) 框数 = 541
野猪 (WildBoar) 框数 = 831
黄喉貂 (Y.T.Marten) 框数 = 136
总框数：10699
图片分辨率：1280x720
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：
