VOC数据集格式介绍

男娘i 2023-06-22 07:29 50阅读 0赞

深度学习很多框架都在使用VOC数据集，所以先来研究一下voc数据集的具体内容。

以[PASCAL VOC2017][]为例，它包含如下5个文件夹：

*  JPEGImages
 *  Annotations
 *  ImageSets
 *  SegmentationClass
 *  SegmentationObject

## 1、JPEGImages ##

PASCAL VOC提供的所有的图片，其中包括训练图片，测试图片。

## 2、Annotations ##

存放xml格式的标签文件，每个xml对应JPEGImage中的一张图片。可使用labelImg进行标注和查看。  
[图像标注工具labelImg安装教程及使用方法][labelImg]

<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：训练集
     *  val.txt：验证集
     *  trainval.txt：训练和验证集
 *  Segmentation：用于分割的数据

--------------------

验证集（val）与测试集（test）是有区别的。  
**验证集**：val是validation的简称，验证是否过拟合、以及用来调节训练参数等。  
**测试集**：当模型训练完成后，用于检测模型的准确性。

## 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。

[PASCAL VOC2017]: http://host.robots.ox.ac.uk/pascal/VOC/voc2007/index.html
[labelImg]: https://blog.csdn.net/See_Star/article/details/103324456