Pascal VOC & COCO数据集介绍

本是古典何须时尚 2022-04-15 03:51 484阅读 0赞

## Pascal VOC数据集介绍 ##

>  *  Annotations
>  *  ImageSets
>  *  JPEGImages
>  *  SegmentationClass
>  *  SegmentationObject

### 1. JPEGImages ###

主要提供的是PASCAL VOC所提供的所有的图片信息，包括训练图片，测试图片

这些图像就是用来进行训练和测试验证的图像数据。

### 2. Annotations ###

主要存放xml格式的标签文件，每个xml对应JPEGImage中的一张图片

<annotation>  
        <folder>VOC2012</folder>                             
        <filename>2007_000392.jpg</filename>                             //文件名  
        <source>                                                         //图像来源（不重要）  
            <database>The VOC2007 Database</database>  
            <annotation>PASCAL VOC2007</annotation>  
            <image>flickr</image>  
        </source>  
        <size>                                            //图像尺寸（长宽以及通道数）                        
            <width>500</width>  
            <height>332</height>  
            <depth>3</depth>  
        </size>  
        <segmented>1</segmented>            //是否用于分割（在图像物体识别中01无所谓）  
        <object>                              //检测到的物体  
            <name>horse</name>                                         //物体类别  
            <pose>Right</pose>                                         //拍摄角度  
            <truncated>0</truncated>                                   //是否被截断（0表示完整）  
            <difficult>0</difficult>                                   //目标是否难以识别（0表示容易识别）  
            <bndbox>                                                   //bounding-box（包含左下角和右上角xy坐标）  
                <xmin>100</xmin>  
                <ymin>96</ymin>  
                <xmax>355</xmax>  
                <ymax>324</ymax>  
            </bndbox>  
        </object>  
        <object>              //检测到多个物体  
            <name>person</name>  
            <pose>Unspecified</pose>  
            <truncated>0</truncated>  
            <difficult>0</difficult>  
            <bndbox>  
                <xmin>198</xmin>  
                <ymin>58</ymin>  
                <xmax>286</xmax>  
                <ymax>197</ymax>  
            </bndbox>  
        </object>  
    </annotation>

### 3. ImageSets ###

>  *  Action // 人的动作
>  *  Layout // 人体的具体部位
>  *  Main // 图像物体识别的数据，总共20类, 需要保证train val没有交集
>     
>      *  train.txt
>      *  val.txt
>      *  trainval.txt
>  *  Segmentation // 用于分割的数据

### 4. SegmentationObject & SegmentationClass ###

保存的是物体分割后的数据，在物体识别中没有用到

## COCO数据集介绍 ##

COCO数据集是微软团队获取的一个可以用来图像recognition+segmentation+captioning 数据集

这个数据集以scene understanding为目标，主要从复杂的日常场景中截取，图像中的目标通过精确的segmentation进行位置的标定。图像包括91类目标，328,000影像和2,500,000个label。

该数据集主要解决3个问题：目标检测，目标之间的上下文关系，目标的2维上的精确定位。数据集的对比示意图：

![img][]

### 数据集分类 ###

*  Image Classification
    
    分类需要二进制的标签来确定目标是否在图像中。早期数据集主要是位于空白背景下的单一目标，如MNIST手写数据库，COIL household objects。在机器学习领域的著名数据集有CIFAR-10 and CIFAR-100，在32\*32影像上分别提供10和100类。最近最著名的分类数据集即ImageNet，22,000类，每类500-1000影像。
 *  Object Detection
    
    经典的情况下通过bounding box确定目标位置，期初主要用于人脸检测与行人检测，数据集如Caltech Pedestrian Dataset包含350,000个bounding box标签。PASCAL VOC数据包括20个目标超过11,000图像，超过27,000目标bounding box。最近还有ImageNet数据下获取的detection数据集，200类，400,000张图像，350,000个bounding box。由于一些目标之间有着强烈的关系而非独立存在，在特定场景下检测某种目标是是否有意义的，因此精确的位置信息比bounding box更加重要。
 *  Semantic scene labeling
    
    这类问题需要pixel级别的标签，其中个别目标很难定义，如街道和草地。数据集主要包括室内场景和室外场景的，一些数据集包括深度信息。其中，SUN dataset包括908个场景类，3,819个常规目标类(person, chair, car)和语义场景类(wall, sky, floor)，每类的数目具有较大的差别（这点COCO数据进行改进，保证每一类数据足够）。
 *  other vision datasets
    
    一些数据集如Middlebury datasets，包含立体相对，多视角立体像对和光流；同时还有Berkeley Segmentation Data Set (BSDS500)，可以评价segmentation和edge detection算法。

### Coco ###

COCO数据集有91类，虽然比ImageNet和SUN类别少，但是每一类的图像多，这有利于获得更多的每类中位于某种特定场景的能力，对比PASCAL VOC，其有更多类和图像。

COCO难度更大，因为coco数据集每张图片中的物体数目很多，所以导致相对别的数据集，该数据集检测的准确率很低

[img]: /images/20220415/3844219f25af4bb99b102afd137274cf.png