之前有在Bilibili上簡單介紹過這個(gè)數(shù)據(jù)集，但一直沒有寫博文，今天抽空總結(jié)下，如果不想看文章的，可以看下我在Bilibili上的講解視頻。

Pascal VOC2012數(shù)據(jù)集詳解視頻: https://b23.tv/F1kSCK
Pascal VOC2012官網(wǎng)地址：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/
官方發(fā)表關(guān)于介紹數(shù)據(jù)集的文章 《The PASCALVisual Object Classes Challenge: A Retrospective》：http://host.robots.ox.ac.uk/pascal/VOC/pubs/everingham15.pdf

---

文章目錄

• • 1 簡介
  • 2 Pascal VOC數(shù)據(jù)集目標(biāo)類別
  • 3 數(shù)據(jù)集下載與目錄結(jié)構(gòu)
  • 4 目標(biāo)檢測任務(wù)
  • 5 語義分割任務(wù)
  • 6 實(shí)例分割任務(wù)
  • 7 類別索引與名稱對(duì)應(yīng)關(guān)系

---

1 簡介

PASCAL VOC挑戰(zhàn)賽 （The PASCAL Visual Object Classes ）是一個(gè)世界級(jí)的計(jì)算機(jī)視覺挑戰(zhàn)賽，PASCAL全稱：Pattern Analysis, Statical Modeling and Computational Learning，是一個(gè)由歐盟資助的網(wǎng)絡(luò)組織。PASCAL VOC挑戰(zhàn)賽主要包括以下幾類：圖像分類(Object Classification)，目標(biāo)檢測(Object Detection)，目標(biāo)分割(Object Segmentation)，行為識(shí)別(Action Classification) 等。

• 圖像分類與目標(biāo)檢測任務(wù)
  
• 分割任務(wù)，注意，圖像分割一般包括語義分割、實(shí)例分割和全景分割，實(shí)例分割是要把每個(gè)單獨(dú)的目標(biāo)用一種顏色表示（下圖中間的圖像），而語義分割只是把同一類別的所有目標(biāo)用同一顏色表示（下圖右側(cè)的圖片）。
  
• 行為識(shí)別任務(wù)
  
• 人體布局檢測任務(wù)
  

---

2 Pascal VOC數(shù)據(jù)集目標(biāo)類別

在Pascal VOC數(shù)據(jù)集中主要包含20個(gè)目標(biāo)類別，下圖展示了所有類別的名稱以及所屬超類。

---

3 數(shù)據(jù)集下載與目錄結(jié)構(gòu)

下載地址： http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html#devkit

打開鏈接后如下圖所示，只用下載training/validation data (2GB tar file)文件即可。

下載后將文件進(jìn)行解壓，解壓后的文件目錄結(jié)構(gòu)如下所示：

VOCdevkit└── VOC2012├── Annotations 所有的圖像標(biāo)注信息(XML文件)├── ImageSets │ ├── Action 人的行為動(dòng)作圖像信息│ ├── Layout 人的各個(gè)部位圖像信息│ ││ ├── Main 目標(biāo)檢測分類圖像信息│ │ ├── train.txt 訓(xùn)練集(5717)│ │ ├── val.txt 驗(yàn)證集(5823)│ │ └── trainval.txt 訓(xùn)練集+驗(yàn)證集(11540)│ ││ └── Segmentation 目標(biāo)分割圖像信息│ ├── train.txt 訓(xùn)練集(1464)│ ├── val.txt 驗(yàn)證集(1449)│ └── trainval.txt 訓(xùn)練集+驗(yàn)證集(2913)│ ├── JPEGImages 所有圖像文件├── SegmentationClass 語義分割png圖（基于類別）└── SegmentationObject 實(shí)例分割png圖（基于目標(biāo)）

注意，train.txt、val.txt和trainval.txt文件里記錄的是對(duì)應(yīng)標(biāo)注文件的索引，每一行對(duì)應(yīng)一個(gè)索引信息。如下圖所示：

---

4 目標(biāo)檢測任務(wù)

接下來簡單介紹下如何使用該數(shù)據(jù)集中目標(biāo)檢測的數(shù)據(jù)。

• 首先在Main文件中，讀取對(duì)應(yīng)的txt文件（注意，在Main文件夾里除了train.txt、val.txt和trainval.txt文件外，還有針對(duì)每個(gè)類別的文件，例如bus_train.txt、bus_val.txt和bus_trainval.txt）。比如使用train.txt中的數(shù)據(jù)進(jìn)行訓(xùn)練，那么讀取該txt文件，解析每一行。上面說了每一行對(duì)應(yīng)一個(gè)標(biāo)簽文件的索引。

├── Main 目標(biāo)檢測分類圖像信息│ ├── train.txt 訓(xùn)練集(5717)│ ├── val.txt 驗(yàn)證集(5823)│ └── trainval.txt 訓(xùn)練集+驗(yàn)證集(11540)

• 接著通過索引在Annotations文件夾下找到對(duì)應(yīng)的標(biāo)注文件（.xml）。比如索引為2007_000323，那么在Annotations 文件夾中能夠找到2007_000323.xml文件。如下圖所示，在標(biāo)注文件中包含了所有需要的信息，比如filename，通過在字段能夠在JPEGImages 文件夾中能夠找到對(duì)應(yīng)的圖片。size記錄了對(duì)應(yīng)圖像的寬、高以及channel信息。每一個(gè)object代表一個(gè)目標(biāo)，其中的name記錄了該目標(biāo)的名稱，pose表示目標(biāo)的姿勢（朝向），truncated表示目標(biāo)是否被截?cái)?#xff08;目標(biāo)是否完整），difficult表示該目標(biāo)的檢測難易程度（0代表簡單，1表示困難），bndbox記錄了該目標(biāo)的邊界框信息。

• 接著通過在標(biāo)注文件中的filename字段在JPEGImages 文件夾中找到對(duì)應(yīng)的圖片。比如在2007_000323.xml文件中的filename字段為2007_000323.jpg，那么在JPEGImages 文件夾中能夠找到2007_000323.jpg文件。

---

5 語義分割任務(wù)

接下來簡單介紹下如何使用該數(shù)據(jù)集中語義分割的數(shù)據(jù)。

• 首先在Segmentarion文件中，讀取對(duì)應(yīng)的txt文件。比如使用train.txt中的數(shù)據(jù)進(jìn)行訓(xùn)練，那么讀取該txt文件，解析每一行，每一行對(duì)應(yīng)一個(gè)圖像的索引。

└── Segmentation 目標(biāo)分割圖像信息├── train.txt 訓(xùn)練集(1464)├── val.txt 驗(yàn)證集(1449)└── trainval.txt 訓(xùn)練集+驗(yàn)證集(2913)

• 根據(jù)索引在JPEGImages 文件夾中找到對(duì)應(yīng)的圖片。還是以2007_000323為例，可以找到2007_000323.jpg文件。

• 根據(jù)索引在SegmentationClass文件夾中找到相應(yīng)的標(biāo)注圖像（.png）。還是以2007_000323為例，可以找到2007_000323.png文件。
  
  注意，在語義分割中對(duì)應(yīng)的標(biāo)注圖像（.png）用PIL的Image.open()函數(shù)讀取時(shí)，默認(rèn)是P模式，即一個(gè)單通道的圖像。在背景處的像素值為0，目標(biāo)邊緣處用的像素值為255(訓(xùn)練時(shí)一般會(huì)忽略像素值為255的區(qū)域)，目標(biāo)區(qū)域內(nèi)根據(jù)目標(biāo)的類別索引信息進(jìn)行填充，例如人對(duì)應(yīng)的目標(biāo)索引是15，所以目標(biāo)區(qū)域的像素值用15填充。
  

---

6 實(shí)例分割任務(wù)

• 同樣首先在Segmentarion文件中，讀取對(duì)應(yīng)的txt文件。比如使用train.txt中的數(shù)據(jù)進(jìn)行訓(xùn)練，那么讀取該txt文件，解析每一行，每一行對(duì)應(yīng)一個(gè)圖像的索引。

└── Segmentation 目標(biāo)分割圖像信息├── train.txt 訓(xùn)練集(1464)├── val.txt 驗(yàn)證集(1449)└── trainval.txt 訓(xùn)練集+驗(yàn)證集(2913)

• 根據(jù)索引在JPEGImages 文件夾中找到對(duì)應(yīng)的圖片。這里以2007_000032為例，可以找到2007_000032.jpg文件，如下圖所示。
  
• 再根據(jù)索引在SegmentationObject文件夾中找到相應(yīng)的標(biāo)注圖像（.png）。還是以2007_000032為例，可以找到2007_000032.png文件。
  
  注意，在實(shí)例分割中對(duì)應(yīng)的標(biāo)注圖像（.png）用PIL的Image.open()函數(shù)讀取時(shí)，默認(rèn)是P模式，即一個(gè)單通道的圖像。在背景處的像素值為0，目標(biāo)邊緣處或需要忽略的區(qū)域用的像素值為255(訓(xùn)練時(shí)一般會(huì)忽略像素值為255的區(qū)域)。然后在Annotations文件夾中找到對(duì)應(yīng)的xml文件，解析xml文件后會(huì)得到每個(gè)目標(biāo)的信息，而對(duì)應(yīng)的標(biāo)注文件（.png）的每個(gè)目標(biāo)處的像素值是按照xml文件中目標(biāo)順序排列的。如下圖所示，xml文件中每個(gè)目標(biāo)的序號(hào)是與標(biāo)注文件（.png）中目標(biāo)像素值是對(duì)應(yīng)的。

---

7 類別索引與名稱對(duì)應(yīng)關(guān)系

下面給出在Pascal VOC數(shù)據(jù)集中各目標(biāo)類別名稱與類別索引對(duì)應(yīng)關(guān)系：

{"background": 0,"aeroplane": 1,"bicycle": 2,"bird": 3,"boat": 4,"bottle": 5,"bus": 6,"car": 7,"cat": 8,"chair": 9,"cow": 10,"diningtable": 11,"dog": 12,"horse": 13,"motorbike": 14,"person": 15,"pottedplant": 16,"sheep": 17,"sofa": 18,"train": 19,"tvmonitor": 20 }

總結(jié)

以上是生活随笔為你收集整理的PASCAL VOC2012数据集介绍的全部內(nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。