【目标检测适用】Pascal Voc（07+12）联合训练并在07上测试

跑过很多模型，每次用Pascal Voc的组织方式都不同，但是一般都是用Pascal Voc2007+2012做训练，在Pascal Voc2007上做测试，记录如下：

1. 概览

对于分类/检测任务而言，完成07 + 12数据集合并后，共得到如下数据：

1. 训练数据：16551张图像，共40058个目标
2. 测试数据：4952张图像，共12032个目标

其中VOC 2007的训练集提供了

1. 训练数据：2501张图像，共6301个目标
2. 验证数据：2510张图像，共6307个目标
3. 训练+验证数据：5011张图像，共12608个目标

VOC 2012的训练集提供了

1. 训练数据：5717张图像，共13609个目标
2. 验证数据：5823张图像，共13841个目标
3. 训练+验证数据：11540张图像，共27450个目标

VOC 2007的测试集提供了

测试数据：4952张图像，共12032个目标

2. 第一种组织方式

我把VOC_ROOT设置为/data/data_hx/new-YOLO-PyTorch/data/VOCdevkit/，下面有VOC2007和VOC2012两个文件夹

这两个文件夹的内容怎么来的呢？

从官网下载四个压缩包，解压三个，其中VOC2012test我们是用不着的。

1. 对VOCtrainval_11-May-2012，直接重命名为VOC2012
2. 对VOCtrainval_06-Nov-2007和VOCtest_06-Nov-2007，两个内容合并后重命名为VOC2007.（组织方式下面给出）

├── VOCtest_06-Nov-2007
│   └── VOCdevkit
│       └── VOC2007
│           ├── Annotations
│           ├── ImageSets
│           ├── JPEGImages
│           ├── SegmentationClass（检测不用）
│           └── SegmentationObject（检测不用）
├── VOCtest_06-Nov-2007.tar
├── VOCtrainval_06-Nov-2007
│   └── VOCdevkit
│       └── VOC2007
│           ├── Annotations
│           ├── ImageSets
│           ├── JPEGImages
│           ├── SegmentationClass（检测不用）
│           └── SegmentationObject（检测不用）

做好上述工作后按以下方式加载VOC数据集：

先给出VOCDetection函数，默认的image_sets是07和12年的trainval

class VOCDetection(data.Dataset):
    """VOC Detection Dataset Object

    input is image, target is annotation

    Arguments:
        root (string): filepath to VOCdevkit folder.
        image_set (string): imageset to use (eg. 'train', 'val', 'test')
        transform (callable, optional): transformation to perform on the
            input image
        target_transform (callable, optional): transformation to perform on the
            target `annotation`
            (eg: take in caption string, return tensor of word indices)
        dataset_name (string, optional): which dataset to load
            (default: 'VOC2007')
    """

    def __init__(self, root, img_size,
                 image_sets=[('2007', 'trainval'), ('2012', 'trainval')],
                 transform=None, target_transform=VOCAnnotationTransform(),
                 dataset_name='VOC0712', mosaic=False):
        self.root = root
        self.img_size = img_size
        self.image_set = image_sets
        self.transform = transform
        self.target_transform = target_transform
        self.name = dataset_name
        self._annopath = osp.join('%s'