寫在前面

PASCAL VOC為圖像識別提供了一套標準化的優秀的數據集。其三個主要的物體識別競賽分別是分類classification， 檢測detection, 分割segmentation。

PASCAL---- Pattern Analysis, Statistical Modelling and Computational Learning，分別是 模式分析、 統計建模、 計算學習；

VOC----Visual Object Class, 視覺對象類；

對于分割任務， VOC2012的trainval包含2007-2011年所有對應圖片，test只包含2008-2011，trainval有2913張圖片，共6929個物體。

分類

總共分成20+1類，有20類物體，第21類為背景：
Person : person

Animal : bird , cat , cow , dog , horse , sheep

Vehicle : aeroplane , bicycle , boat , bus , car , motorbike , train

Indoor: bottle, chaire, dining-table, potted plant, sofa, tv/monitor

編號分別如下：（序號為（0代表背景，1~20代表20個類別））

0 ? ? ? ?	background
1 ? ??	aeroplane	11	dining-table
2	bicycle	12	dog
3	bird	13	horse
4	boat	14	motorbike
5	bottle	15	person
6	bus	16	pottedplant
7	car	17	sheep
8	cat	18	sofa
9	chair	19	train
10	cow	20	tv

每個類別的分布如下：

類別與顏色的對應關系如下（RGB數值）

具體文件

下載后得到如下壓縮包：（圖是在linux系統下的圖標）

解壓后如圖所示：

?1、JPEG IMAGES

該文件夾包含了PASCAL VOC所提供的所有的信息圖片，包括訓練圖片和測試圖片。

這些圖片的命名格式都是“年份_編號.jpg”，圖片大小尺寸不一，橫向圖尺寸大概在500*375，縱向圖尺寸大約在375*500, 偏差在100之內。

2、Annotations

此文件夾存放的是xml格式的標簽文件，每個xml文件都與JPEGImages中的圖片一一對應。

以2007_000392為例，xml文件的具體格式如下所示：

<annotation><folder>VOC2012</folder> <filename>2007_000392.jpg</filename> //文件名<source> //圖像來源（不重要）<database>The VOC2007 Database</database><annotation>PASCAL VOC2007</annotation><image>flickr</image></source><size> //圖像尺寸（長寬以及通道數） <width>500</width><height>332</height><depth>3</depth></size><segmented>1</segmented> //是否用于分割（在圖像物體識別中01無所謂）<object> //檢測到的物體<name>horse</name> //物體類別<pose>Right</pose> //拍攝角度<truncated>0</truncated> //是否被截斷（0表示完整）<difficult>0</difficult> //目標是否難以識別（0表示容易識別）<bndbox> //bounding-box（包含左下角和右上角xy坐標）<xmin>100</xmin><ymin>96</ymin><xmax>355</xmax><ymax>324</ymax></bndbox></object><object> //檢測到多個物體<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>

其對應的圖片如下：

這里僅對比較重要的做出解釋：

• size

  size下包括了與圖片尺寸相關的信息，其中 ：

  • width為寬度
  • height為高度
  • depth為圖片的通道數（彩色圖像為3通道，灰度圖為1通道）。

• segmented

  表示圖像是否進行分割，1表示是，0表示否。

• object

  object下包括的是目標檢測的相關信息，object可以出現多個。其中：

  • name表示物體的名字
  • pose表示拍攝的角度
  • truncated表示目標檢測的框是否被截斷，1表示是，0表示否
  • difficult 表示目標是否難以識別，1表示是，0表示否
  • bndbox 下包括的是目標檢測框的位置信息
    • xmin,ymin 表示檢測框的左上角
    • xmax,ymax 表示檢測框的右下角

3、ImageSets

該文件夾下存放的是每一種類型的challenge對應的圖像數據，包含4個子文件夾：

• Action下存放的是人的動作
• Layout下存放的是人的部位的數據
• Main下存放的是?物體識別 的數據，總共分為20類
• Segmentation下存放的是用于 分割 的數據

Main文件

包含了20個分類的不同的 ***_train.txt, ***_val.txt, ***_trainval.txt。截圖如下：

從圖片中右邊打開的txt文件可見：

最左一列為圖片的name，后面的 1 表示這個樣本為正樣本， -1表示這個樣本為負樣本。

train里面放的是訓練使用的數據,每一個CLASS有5717個；

val里面放的是驗證結果使用的數據，每一個CLASS有5823個；

trainval是將上面兩個進行合并；

Action文件

一共花分類11個動作類別，如下圖所示：?

下圖為具體的TXT文件內容：第一列為圖片名，第二列為上表中的序號，第三列為樣本屬性：1為正樣本；-1為負樣本；?

LAYOUT

Layout文件夾存儲的是人體部位識別競賽中相關的數據集圖片列表。

具體內容如下圖所示：

第一列為圖片名，第二列為圖片中所包含的人數。?

4、SegmentationClass &?SegmentationObject

這個文件夾里面存放的是與 物體分割任務相關的圖片。如下圖展示：

上面的文件夾為SegmentationClass；存放語義分割圖；標注每一個像素屬于哪一個類別；

下面的文件夾為SegmentationObject；?存放實例分割圖；標注每一個像素屬于哪一個物體；

放一個圖可以進行直觀的對比：

?可以看到同樣是火車，語義分割時兩個時同一個顏色，在實例分割時則為不同顏色。

在voc數據集里面，分割的顏色與類別對應關系如下圖所示：

這里強調一點，這兩個文件夾下面的圖片位深度是8。

這里對比一下RGB圖像的位深度位24，每個通道都有8位。而8位深的圖像一般都是灰度圖像，這是VOC2012 mask的特殊性。

PS:我也不太懂“ 由于colormap”的存在，使其看起來是彩色的，在deeplabv3+,準備數據時要去掉label的colormap” 。

下載

另附，voc2007,voc2012鏡像下載的鏈接：

https://pjreddie.com/projects/pascal-voc-dataset-mirror/

總結

以上是生活随笔為你收集整理的数据集Pascal VOC2012的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。