如題，我本身也是一個初學(xué)者，本篇文章是我在了解PASCAL VOC數(shù)據(jù)集中所學(xué)習(xí)到的，因此記錄下來與大家分享，如果有不對的地方還希望大家指正。

PASCAL VOC挑戰(zhàn)賽是世界級的計算機視覺挑戰(zhàn)賽，PASCAL的全稱是：Pattern Analysis，Statistical Modelling and Computational Learning Visual Objection Classes，是一個由歐盟資助的網(wǎng)絡(luò)組織，挑戰(zhàn)賽主要分為以下幾類：圖像分類，目標(biāo)檢測，目標(biāo)分割以及動作識別等。

一、PASCAL VOC2012數(shù)據(jù)集的下載

由于我下載的時候官網(wǎng)打不開，因此找到了一個鏡像網(wǎng)站，大家可以直接復(fù)制到迅雷中下載，還是比較快的。https://pjreddie.com/media/files/VOCtrainval_11-May-2012.tar

二、PASCAL VOC2012數(shù)據(jù)集的內(nèi)容

解壓下載的文件，里面結(jié)構(gòu)如下：

1.Annotations

這個文件夾下的內(nèi)容為所有圖像的標(biāo)注信息，均為XML文件。

就像這樣，任選其中一個打開可以看到如下信息，’#'后的是我加上的注釋：

<annotation><folder>VOC2012</folder>#圖片所在的文件夾<filename>2007_000033.jpg</filename>#所對應(yīng)的圖片名稱<source><database>The VOC2007 Database</database><annotation>PASCAL VOC2007</annotation><image>flickr</image>#來自網(wǎng)絡(luò)分享</source><size>#尺寸<width>500</width><height>366</height><depth>3</depth></size><segmented>1</segmented>#是否被分割過，1是被分割過，沒有就是0<object>#目標(biāo)1<name>aeroplane</name>#類別<pose>Unspecified</pose><truncated>0</truncated>#目標(biāo)是否被截斷<difficult>0</difficult>#目標(biāo)檢測的難易程度，1為難檢測，0為容易檢測<bndbox>#目標(biāo)的左上角和右下角坐標(biāo)<xmin>9</xmin><ymin>107</ymin><xmax>499</xmax><ymax>263</ymax></bndbox></object><object>#目標(biāo)2<name>aeroplane</name><pose>Left</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>421</xmin><ymin>200</ymin><xmax>482</xmax><ymax>226</ymax></bndbox></object><object>#目標(biāo)3<name>aeroplane</name><pose>Left</pose><truncated>1</truncated><difficult>0</difficult><bndbox><xmin>325</xmin><ymin>188</ymin><xmax>411</xmax><ymax>223</ymax></bndbox></object> </annotation>

2.ImageSets

此文件夾下又有四個文件夾

其中Action文件夾中為人的行為動作圖像信息，Layout為人的各個部位圖像信息，Segmentation為目標(biāo)分割圖像信息，Main文件夾為目標(biāo)檢測分類圖像信息，Main文件夾中包括了20個種類的txt格式的信息，每一個種類都有三個，分別是_train,_trainval,_val，部分截圖如下。除此之外，還包含了三個總的信息文件train.txt,val.txt,trainval.txt，這里面訓(xùn)練集共有5717張圖片，驗證集共有5823張圖片，共有11540張圖片。

訓(xùn)練集train.txt文件中的每一行都是一個圖片的名稱，驗證集val.txt也同樣，并且訓(xùn)練集中的圖片和驗證集中的是完全不一樣的。trainval.txt是將這兩部分融合到一起的。

隨機點開某一個類別的txt文件，如bird_train.txt，可以發(fā)現(xiàn)每一行除了名稱后面還有一個數(shù)字，如果是-1，說明這個圖片中沒有鳥這個目標(biāo)；如果是1，說明這個圖片中有鳥這個目標(biāo)；如果是0，說明這個目標(biāo)檢測起來是有困難的。如下部分截圖：

3.JPEGImages

這個文件夾下就是一個個.jpg格式的圖片。

4.SegmentationClass

基于類別的圖像分割圖，都是png格式的。

5.SegmentationObject

基于目標(biāo)的圖像分割圖，也都是png格式的。

三、PASCAL VOC2012數(shù)據(jù)集的使用順序

首先讀入train.txt的文件，獲取它的每一行信息，然后去Annotations找到它的xml文件，然后解析這個文件，再去JPEGImages中找到這個圖片，載入到內(nèi)存中。

如果大家覺得我寫的不夠細(xì)致，可以去b站搜這位up主的講解，很細(xì)致，感謝他！https://b23.tv/KRwTKT

總結(jié)

以上是生活随笔為你收集整理的适合初学者的PASCAL VOC2012数据集的下载及简单讲解的全部內(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，歡迎將生活随笔推薦給好友。