关于 PASCAL VOC 点击

介绍

PASCAL VOC 2007 数据集共包含9963幅图：

• 训练集-5011幅
• 测试集-4952幅

共包含20个种类（数字代表数据集中对应的正样本个数）：

person数量较多

官方网址：
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/index.html

下载地址

训练数据和验证数据：
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar

测试数据：
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar

开发工具包：
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

解压

tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar

train、val、test区别

• train 是训练集
• val 是validation的简称，是训练过程中的测试集
• test 就是训练模型结束后，用于评价模型结果的测试集

training 和 val 都是在训练的时候起作用，两者数据没有交集，作用是验证是否过拟合、以及用来调节训练参数等。

文件结构

下载解压后，VOCtrainval_06-Nov-2007 和 VOCtest_06-Nov-2007 文件结构（文件夹同名）相同，不要覆盖，要额外处理

文件结构如下：

JPEGImages
    *.jpg
Annotation 
    *.xml
ImageSets 
    Action 
            *_train.txt
            *_trainval.txt
            *_val.txt
    Layout 
        train.txt
        trainval.txt
        val.txt
    Main 
        *_train.txt
        *_trainval.txt
        *_val.txt
    Segmentation 
        train.txt
        trainval.txt
        val.txt
SegmentationClass 
    *.png
SegmentationObject 
    *.png

介绍：

• JPEGImages — 原图像
• Annotations — xml文件，内容是用于目标检测的物体标注信息（边框的x,y,width,height）
• ImageSets — 内容较复杂，见下面介绍
• SegmentationClass — 语义分割的label
• SegmentationObjec — 实例分割的label

JPEGImages 文件夹

存放原始图像，包含 train图片 和 val图片

命名方式：年份_编号.jpg

PS：voc 2007 的图片命名没有年份

尺寸：一般为（横向图） 500*375 或（纵向图） 375*500，基本不会偏差超过100

注意：
训练中，一般将这些图片都resize到300*300或是500*500，所有原始图片不能离这个标准过远

Annotations 文件夹

存放的是.xml格式的 标签文件，每一个.xml文件都对应于JPEGImages文件夹中的一张图片（同名）

内容是用于目标检测的物体标注信息（边框的x,y,width,height）

文件内容格式：

<annotation>
    <folder>VOC2007</folder>
    <filename>000001.jpg</filename>  # 文件名 
    <source>
        <database>The VOC2007 Database</database>
        <annotation>PASCAL VOC2007</annotation>
        <image>flickr</image>
        <flickrid>341012865</flickrid>
    </source>
    <owner>
        <flickrid>Fried Camels</flickrid>
        <name>Jinky the Fruit Bat</name>
    </owner>
    <size>  # 图像尺寸（长宽以及通道数）
        <width>353</width>
        <height>500</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>  # 是否用于分割
    <object>  #检测到的物体
        <name>dog</name>  # 物体类别
        <pose>Left</pose>  # 拍摄角度：front, rear, left, right, unspecified 
        <truncated>1</truncated>  # 是否被截断（比如在图片之外），或者被遮挡（超过15%）,0表示完整
        <difficult>0</difficult>  # 检测难易程度，0表示容易识别。主要根据目标的大小，光照变化，图片质量来判断
        <bndbox> #bounding-box（xmin、ymin表示左上角坐标，xmax、ymax表示右下角x、y坐标）
            <xmin>48</xmin>
            <ymin>240</ymin>
            <xmax>195</xmax>
            <ymax>371</ymax>
        </bndbox>
    </object>
    <object> #检测到多个物体
        <name>person</name>
        <pose>Left</pose>
        <truncated>1</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>8</xmin>
            <ymin>12</ymin>
            <xmax>352</xmax>
            <ymax>498</ymax>
        </bndbox>
    </object>
</annotation>

ImageSets

下面有3个文件夹

ImageSets/Layout

有以下3个文件：

• train.txt - 包含训练数据
• trainval.txt - 包含训练和验证数据
• val.txt - 包含验证数据

包含人体部分的数据

PS：我下载的数据不符，经查找，人体部位的图片都不包括，难道我下的数据被篡改了？？？？

ImageSets/Main 文件夹

该文件夹下的文件较多，如下：

指定某个分类，包含哪些图片，总共分为20类，每个分类有3个文件，如下：

• *_train.txt：存放训练使用的数据，每一个class的train数据都有5717个，-1为负样本，1为正样本

• *_val.txt：存放验证结果使用的数据，每一个class的val数据都有5823个，-1为负样本，1为正样本

• *_trainval.txt：将上面两个进行了合并，每一个class有11540个，-1为负样本，1为正样本

另有3个文件：

• train.txt：不分类，只是将用于 训练 的图片包含在该文件中
• trainval.txt：不分类，只是将用于 训练 和 验证 的图片包含在该文件中
• val.txt：不分类，只是将用于 验证 的图片包含在该文件中

文件内容

都差不多，存储20个分类类别标签，-1表示负样本，1为正样本：

如下：

前面的表示图像的name，后面的1代表正样本，-1代表负样本。

ImageSets/Segmentation

存放的是用于 语义分割、实例分割 的数据

SegmentationClass

存放按照 class 分割的图片，同一类别的物体同一种颜色

一般用于 语义分割

SegmentationObjec

存放按照 object 分割的图片，同一类别的物体，但不是同一个对象，颜色不相同

一般用于 实例分割

感谢：
https://blog.csdn.net/mzpmzk/article/details/88065416
csdn.net/akenseren/article/details/82696108