注意数据集中大约1/3是原图剩余为增强图片主要是翻转增强等
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)：2273
标注数量(xml文件个数)：2273
标注数量(txt文件个数)：2273
标注类别数：15
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):"Army_navy","Bulldog","Castroviejo","Forceps","Frazier","Hemostat","Iris","Mayo_metz","Needle","Potts","Richardson","Scalpel","Towel_clip","Weitlaner","Yankauer"
每个类别标注的框数：
Army_navy（军牵开器）框数 = 256
Bulldog（牛头犬夹）框数 = 278
Castroviejo（卡斯德罗维耶霍镊/持针器）框数 = 246
Forceps（镊子/止血钳）框数 = 557
Frazier（弗雷泽吸引管）框数 = 202
Hemostat（止血钳）框数 = 755
Iris（虹膜剪/镊）框数 = 284
Mayo_metz（梅奥-梅茨剪刀）框数 = 495
Needle（持针器/缝合针）框数 = 451
Potts（波茨血管剪）框数 = 274
Richardson（理查森牵开器）框数 = 252
Scalpel（手术刀）框数 = 526
Towel_clip（布巾钳）框数 = 255
Weitlaner（魏特兰纳牵开器）框数 = 235
Yankauer（扬考尔吸引管）框数 = 246
总框数：5312
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：
