一、数据分析
该数据集采用COCO格式给出标注信息，即将所有训练图像的标注都存放到一个json文件中，数据以字典嵌套的形式存放。
对数据集进行分析：
检测数据集涉及3个场景，分别是“火灾检测”、“工业仪表检测”和“安全帽检测”，共7114张图像。这些图像按8:2的比例划分为训练集、验证集，即训练集中有5691张图像，验证集中有1423张图像。
keys: dict_keys(['images', 'type', 'annotations', 'categories'])
物体类别: [{'supercategory': 'none', 'id': 1, 'name': 'fire'}, {'supercategory': 'none', 'id': 2, 'name': 'head'}, {'supercategory': 'none', 'id': 3, 'name': 'helmet'}, {'supercategory': 'none', 'id': 4, 'name': 'person'}, {'supercategory': 'none', 'id': 5, 'name': 'meter'}]
图像数量： 5691
图像信息： {'file_name': '001772.jpg', 'height': 932.0, 'width': 1000.0, 'id': 0}
标注物体数量： 23053
查看一条目标物体标注信息： {'area': 472632.0, 'iscrowd': 0, 'bbox': [310.0, 58.0, 564.0, 838.0], 'category_id': 1, 'ignore': 0, 'image_id': 0, 'id': 1}