智慧医疗手术工具医疗器械检测数据集VOC+YOLO格式2273张15类别

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：