数据集使用场景：可以检测客户在柜台、电梯或者其他地方遗失物，一般遗失物都是贵重物品，因此可以通过检测一些常见贵重物品进行遗失物判断。比如车钥匙、手提包、钱包、手机、笔记本、身份卡片、电脑等等。
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)：2173
标注数量(xml文件个数)：2173
标注数量(txt文件个数)：2173
标注类别数：52
标注类别名称:[“Backpack”,“Belt-bag”,“Car-key-Acura”,“Car-key-Chevrolet”,“Car-key-Ford”,“Car-key-Honda”,“Car-key-Hyundai”,“Car-key-Kia”,“Car-key-Lexus”,“Car-key-Mercedes-Benz”,“Car-key-Mitsubishi”,“Car-key-Nissan”,“Car-key-Toyota”,“Car-key-Volkswagen”,“Car-key-non-specific”,“Card”,“Cross-bag”,“Electronic-devices-AirPods”,“Electronic-devices-AirPods-case”,“Electronic-devices-charger”,“Electronic-devices-earphones”,“Electronic-devices-headphones”,“Electronic-devices-laptop”,“Electronic-devices-laptop-charger”,“Electronic-devices-phone”,“Electronic-devices-phone-charger”,“Electronic-devices-powerbank”,“Electronic-devices-tablet”,“Glasses”,“Handbag”,“Key”,“Laptop-bag”,“Smart-watch-black”,“Smart-watch-gold”,“Smart-watch-pink”,“Smart-watch-silver”,“Smart-watch-white”,“Sunglasses”,“Travel-bag”,“Wallet-black”,“Wallet-brown”,“Wallet-grey”,“Wallet-multicolor”,“Wallet-pink”,“Wallet-red”,“Wallet-turquoise”,“Watch-black”,“Watch-blue”,“Watch-brown”,“Watch-gold”,“Watch-silver”,“Watch-white”]
每个类别标注的框数：

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，数据集只提供准确且合理标注
图片预览：


标注例子：

下载地址：https://download.csdn.net/download/FL1623863129/89734577