人工智能学习：PASCAL VOC数据集读取（6）

PASCAL VOC是一个国际的计算机视觉挑战赛，数据集包含了20个分类的3万多张图片。挑战赛及其数据集基础上涌现不少知名的目标检测模型如R-CNN，YOLO，SSD等。可以通过下载和读取的方法载入PASCAL VOC数据集。

1 数据集下载
PASCAL VOC数据集可以从官方网站下载
http://host.robots.ox.ac.uk/pascal/VOC/

常用的是2007版和2012版，下载后是一个tar文件包
http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar

从外网下载速度较慢，如果用迅雷等下载，会自动从国内镜像下载，可以取得较快的速度
下载之后解压，出现VOCdevkit目录，里面包含VOC2012目录，下面包含Annotations，JPEGImages等目录

VOCdevkit							#根目录
	VOC2012							#2012版
		Annotations					#标注
		ImageSets					#分类信息
		JPEGImages					#jpeg图像目录
		SegmentationClass			#类别分割信息
		SegmentationObject			#物体分割信息

2 数据集读取
首先载入需要的模块

import os
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

import xml.dom.minidom as minidom

xml模块用来读取Annotations目录中的xml文件，VOC数据集的标注用xml文件来表示。
定义数据目录变量如下

data_path = '../data/PASCAL_VOC/VOCdevkit/VOC2012'
anno_path = f'{data_path}/Annotations'
image_path = f'{data_path}/JPEGImages'

然后从Annotations目录读取一个图片信息的列表，这里读取100张

# collect 100 samples from files in anno_path
sample_list = []

for xml in os.listdir(annotation_path):
    file_id = os.path.splitext(xml)[0]
    
    xml_file = f'{anno_path}/{file_id}.xml'
    jpg_file = f'{image_path}/{file_id}.jpg'

    sample = {'id':file_id, 'xml_file':xml_file, 'jpg_file':jpg_file}
    sample_list.append(sample)
    
    if len(sample_list) >= 100:
        break

生成一个列表，每一个元素包含图片的id，对应的xml标注文件和图像文件（jpeg）。

然后定义一个从xml文件读取目标信息的函数。xml的文件格式大致如下

<?xml version="1.0"?>
-<annotation>
	<folder>VOC2012</folder>
	<filename>2007_000333.jpg</filename>
	-<source>
		<database>The VOC2007 Database</database>
		<annotation>PASCAL VOC2007</annotation>
		<image>flickr</image>
	</source>
	-<size>
		<width>500</width>
		<height>333</height>
		<depth>3</depth>
	</size>
	<segmented>1</segmented>
	-<object>
		<name>train</name>
		<pose>Unspecified</pose>
		<truncated>1</truncated>
		<difficult>0</difficult>
		-<bndbox>
			<xmin>1</xmin>
			<ymin>39</ymin>
			<xmax>367</xmax>
			<ymax>270</ymax>
		</bndbox>
	</object>
</annotation>

其中包含<annotation>的主节点，主节点下面包含了<object>信息，即图片所包含的目标的名称、位置等信息。如果有多个目标，则会在其中列出多项。
读取目标信息的代码如下

# get information of objects from xml file
def get_objects(xml_file):
    dom = minidom.parse(xml_file)
    anno = dom.documentElement
    objects = anno.getElementsByTagName('object')
    
    obj_names = []
    for obj in objects:
        obj_name = obj.getElementsByTagName('name')[0].childNodes[0].data
        obj_names.append(obj_name)
    
    return obj_names    

即从根节点出发，寻找object子节点，遍历所有子节点，把对应的目标名称加入到object_names，最后返回这张图片所包含的所有目标的名称。

然后，显示数据集中的图片和对应的分类目标信息，限于屏幕大小，这里显示最前面的25张图片

# lines and columns of subplots
m = 5
n = 5
num = m*n

# size of figure
plt.figure(figsize=(14,13))

# plot first 25 pictures
for i in range(num):
    plt.subplot(m,n,i+1)
    
    objects = get_objects(sample_list[i]['xml_file'])
    img = mpimg.imread(sample_list[i]['jpg_file'])
    
    plt.imshow(img)
    plt.xticks([])
    plt.yticks([])
   
    plt.xlabel(','.join(objects))

plt.show()

结果如下，每一个位置显示数据集中包含的图片以及图片中所包含的目标。