PascalVoc

by · 2019年11月05日 · 2582 Words · ~6min reading time | Improve on


原文链接： PascalVoc

Pascal Voc数据集详细分析 - 持久决心的博客 - CSDN博客
PASCAL VOC 2012 数据集详解 - wenxueliu的博客 - CSDN博客

前言

做深度学习目标检测方面的同学怎么都会接触到PASCAL VOC这个数据集。也许很少用到整个数据集，但是一般都会按照它的格式准备自己的数据集。所以这里就来详细的记录一下PASCAL VOC的格式，包括目录构成以及各个文件夹的内容格式，方便以后自己按照VOC的标准格式制作自己的数据集。

正文

相关网址

Pascal VOC网址：http://host.robots.ox.ac.uk/pascal/VOC/
查看各位大牛算法的排名的Leaderboards：http://host.robots.ox.ac.uk:8080/leaderboard/main_bootstrap.php
训练/验证数据集下载（2G）：host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
官方说明：The PASCAL Visual Object Classes Challenge 2012 (VOC2012) Development Kit

VOCdevkit文件夹

数据集下载后解压得到一个名为VOCdevkit的文件夹，该文件夹结构如下：

.
└── VOCdevkit     #根目录
    └── VOC2012   #不同年份的数据集，这里只下载了2012的，还有2007等其它年份的
        ├── [Annotations]        #存放xml文件，与JPEGImages中的图片一一对应，解释图片的内容等等
        ├── [ImageSets]          #该目录下存放的都是txt文件，txt文件中每一行包含一个图片的名称，末尾会加上±1表示正负样本
        │   ├── Action         #Action文件夹:存放的是人体动作,（例如running、jumping等等，这也是VOC challenge的一部分）
        │   ├── Layout         #Layout文件夹:存放的是人体部位的数据 (人的head、hand、feet等等，这也是VOC challenge的一部分)
        │   ├── [Main]           #Main存放的是同我们目标检测项目   相关的图像物体识别数据，文件夹下为txt文件，txt文件中每一行包含一个图片的名称，末尾会加上±1表示正负样本
        │   └── Segmentation   #Segmentation:存放可用于分割的数据
        ├── [JPEGImages]         #存放源图片,同Annotations中的xml文件一一对应。
        ├── SegmentationClass  #存放的是图片，语义分割相关
        └── SegmentationObject #存放的是图片，实例分割相关

这里大概介绍一下各个文件夹的内容，更细节的介绍将在后文给出：

  • Annotation 文件夹存放的是xml文件，该文件是对图片的解释，每张图片都对于一个同名的xml文件。
  • ImageSets 文件夹存放的是txt文件，这些txt将数据集的图片分成了各种集合。如Main下的train.txt中记录的是用于训练的图片集合
  • JPEGImages文件夹存放的是数据集的原图片
  • SegmentationClass以及SegmentationObject文件夹存放的都是图片，且都是图像分割结果图（楼主没用过，所以不清楚）

Annotation文件夹

Annotation文件夹的内容如下：
这里写图片描述
其中xml主要介绍了对应图片的基本信息，如来自那个文件夹、文件名、来源、图像尺寸以及图像中包含哪些目标以及目标的信息等等，内容如下：

<annotation>
	<folder>VOC2012</folder>  #表明图片来源
	<filename>2007_000027.jpg</filename> #图片名称
	<source>                  #图片来源相关信息
		<database>The VOC2007 Database</database>
		<annotation>PASCAL VOC2007</annotation>
		<image>flickr</image>
	</source>
	<size>     #图像尺寸
		<width>486</width>
		<height>500</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented> #是否用于分割
    <object>
		<name>dog</name>  # 物体类别
		<pose>Left</pose>  # 拍摄角度：front, rear, left, right, unspecified 
		<truncated>1</truncated>  # 目标是否被截断（比如在图片之外），或者被遮挡（超过15%）
		<difficult>0</difficult>  # 检测难易程度，这个主要是根据目标的大小，光照变化，图片质量来判断
		<bndbox>
			<xmin>48</xmin>
			<ymin>240</ymin>
			<xmax>195</xmax>
			<ymax>371</ymax>
		</bndbox>
	</object>
	<object>  #包含的物体
		<name>person</name> #物体类别
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>  #物体的bbox
			<xmin>174</xmin>
			<ymin>101</ymin>
			<xmax>349</xmax>
			<ymax>351</ymax>
		</bndbox>
		<part> #物体的头
			<name>head</name>
			<bndbox>
				<xmin>169</xmin>
				<ymin>104</ymin>
				<xmax>209</xmax>
				<ymax>146</ymax>
			</bndbox>
		</part>
		<part>   #物体的手
			<name>hand</name>
			<bndbox>
				<xmin>278</xmin>
				<ymin>210</ymin>
				<xmax>297</xmax>
				<ymax>233</ymax>
			</bndbox>
		</part>
		<part>
			<name>foot</name>
			<bndbox>
				<xmin>273</xmin>
				<ymin>333</ymin>
				<xmax>297</xmax>
				<ymax>354</ymax>
			</bndbox>
		</part>
		<part>
			<name>foot</name>
			<bndbox>
				<xmin>319</xmin>
				<ymin>307</ymin>
				<xmax>340</xmax>
				<ymax>326</ymax>
			</bndbox>
		</part>
	</object>
</annotation>

ImageSets/Main/ 文件夹以 , {class}_trainval.txt {class}_val.txt 的格式命名。 train.txt val.txt 例外

car_train.txt
car_trainval.txt
car_val.txt
dog_train.txt
dog_trainval.txt
dog_val.txt
horse_train.txt
horse_trainval.txt
horse_val.txt
motorbike_train.txt
motorbike_trainval.txt
motorbike_val.txt
person_train.txt
person_trainval.txt
person_val.txt

train.txt       
trainval.txt 
val.txt

{class}_train.txt 保存类别为 class 的训练集的所有索引，每一个 class 的 train 数据都有 5717 个。
{class}_val.txt 保存类别为 class 的验证集的所有索引，每一个 class 的val数据都有 5823 个
{class}_trainval.txt 保存类别为 class 的训练验证集的所有索引，每一个 class 的val数据都有11540 个

每个文件包含内容为

2011_003194 -1
2011_003216 -1
2011_003223 -1
2011_003230 1
2011_003236 1
2011_003238 1
2011_003246 1
2011_003247 0
2011_003253 -1
2011_003255 1
2011_003259 1
2011_003274 -1
2011_003276 -1

注：1代表正样本，-1代表负样本。

-1：Negative: The image contains no objects of the class of interest. A classifier should give a negative' output. 负片：图像不包含感兴趣类别的对象。分类器应给出“负”输出。 1：Positive: The image contains at least one object of the class of interest. A classifier should give apositive' output.
正片：图像包含至少一个感兴趣类别的对象。分类器应给出“正”输出。
0：Difficult'': The image contains only objects of the class of interest marked as `difficult'. 困难''：图像仅包含标记为``困难''的感兴趣类别的对象。

困难''标签表示所有感兴趣类别的对象都已标注为困难''，例如清晰可见但在不大量使用上下文的情况下很难识别的对象。目前，评估忽略了此类图像，对精度/召回曲线或AP测量没有任何贡献。根据提交的结果，最终评估可能包括单独的结果，包括此类``困难''图像。参与者可以自由地从训练中忽略这些图像，也可以包括正面或负面的例子。

VOC2012/ImageSets/Main/train.txt 保存了所有训练集的文件名，从 VOC2012/JPEGImages/ 找到文件名对应的图片文件。VOC2012/Annotations/ 找到文件名对应的标签文件

Main/train.txt 文件不包含其他额外的样本信息，文件的内容为

2008_000008
2008_000015
2008_000019
2008_000023

VOC2012/ImageSets/Main/val.txt 保存了所有验证集的文件名，从 VOC2012/JPEGImages/ 找到文件名对应的图片文件。VOC2012/Annotations/ 找到文件名对应的标签文件

读取 JPEGImages 和 Annotation 文件转换为 tf 的 Example 对象，写入 {train|test}{index}_of{num_shard} 文件。每个文件写的 Example 的数量为 total_size/num_shard。（不同数据集可以适当调节 num_shard 来控制每个输出文件的大小）

ImageSets文件夹

ImageSets包含如下四个子文件夹：
这里写图片描述
各个文件夹中存放的是各种用途的TXT文件。例如在Main文件夹下有名为aeroplane_train.txt的文件，顾名思义是用于飞机类别的训练数据。该txt的具体内容如下，其中±1应该表示的是正负样本的含义（没有具体研究）：

2008_000008 -1
2008_000015 -1
2008_000019 -1
2008_000023 -1
2008_000028 -1
2008_000033  1
2008_000036 -1
2008_000037  1
2008_000041 -1
2008_000045 -1

其中包含的train.txt以及trainval.txt等文件内容与上面类似。不过博主发现train.txt和trainval.txt内容中光有图片的名字，末尾没有标注正负1.
###JEPGImages文件夹
该文件夹存放的是数据集的所有源图片，内容如下：
这里写图片描述

SegmentationClass文件夹

语义分割相关：
这里写图片描述

SegmentationObject文件夹

实例分割相关：
这里写图片描述

Tags:

`