yolo 学习笔记分享之--VOC数据集

最新推荐文章于 2025-01-05 18:47:41 发布

或许，这就是梦想吧！

最新推荐文章于 2025-01-05 18:47:41 发布

阅读量1.3k

点赞数 1

分类专栏： ML yolo 文章标签： yolo 数据集

本文链接：https://blog.youkuaiyun.com/orDream/article/details/84326144

版权

ML 同时被 2 个专栏收录

21 篇文章

订阅专栏

yolo

8 篇文章

订阅专栏

本文深入解析VOC与COCO两大图像识别数据集，涵盖数据集结构、文件夹内容、XML标签说明及COCO的特色，为计算机视觉任务提供详尽的资源指南。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考：

<Pascal VOC & COCO数据集介绍 & 转换> http://www.cnblogs.com/pprp/p/9629752.html

《Pascal Voc数据集详细分析》https://blog.youkuaiyun.com/u013832707/article/details/80060327

《检测数据集分析VOC+COCO_RGBD》https://blog.youkuaiyun.com/yuanluolvge/article/details/77989606

首先概念解释：

VOC解释：

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

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
        │   ├── Layout
        │   ├── Main
        │   └── Segmentation
        ├── JPEGImages         #存放源图片
        ├── SegmentationClass  #存放的是图片，分割后的效果，见下文的例子
        └── SegmentationObject #存放的是图片，分割后的效果，见下文的例子

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格式的标签文件，该文件是对图片的解释，每张图片（位于同目录下的 JPEGImages）都对于一个同名的xml文件，每一个xml对应一张图像，并且每个xml中存放的是标记的各个目标的位置和类别信息，命名通常与对应的原始图像一样。
- 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。

Action下存放的是人的动作（例如running、jumping等等，这也是VOC challenge的一部分）;

Main下的train.txt中记录的是用于训练的图片集合，该文本文件里面的内容是需要用来训练或测试的图像的名字（无后缀无路径）

Layout下存放的是具有人体部位的数据（人的head、hand、feet等等，这也是VOC challenge的一部分）Main下存放的是图像物体识别的数据，总共分为20类。
Segmentation下存放的是可用于分割的数据。其中Main文件夹包含20个分类的train.txt,val.txt和trainval.txt,在txt文件中前边的数字表示名字,后边的1和-1表示正负样本的标签

- JPEGImages文件夹存放的是数据集的原图片，横向图尺寸大约在500*375左右,纵向图尺寸大约在375*500左右,基本偏差不会超过100,因为训练的第一步就是将图片resize到300*300或者500*500.
- 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：随后完善）

Annotation文件夹

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>  #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文件夹

ImageSets包含如下四个子文件夹（也可能是三个，随后完善）：

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：待完善）：

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.（待完善）

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：

è¿éåå¾çæè¿°

SegmentationClass文件夹

还没有涉及图像分割领域，不太清楚该文件夹下图片的用处，截图贴上来吧：

è¿éåå¾çæè¿°

SegmentationObject文件夹

同上，把内容截图上传：

è¿éåå¾çæè¿°

和VOC相比,coco数据集上小目标多,单幅图片目标多,物体大多非中心分布,更符合日常环境,所以coco检测难度更大.

Microsoft COCO数据集:

微软官方对coco的解释:https://link.springer.com/chapter/10.1007/978-3-319-10602-1_48

1）Object segmentation（2）Recognition in Context（3）Multiple objects per image（4）More than 300,000 images（5）More than 2 Million instances（6）80 object categories（7）5 captions per image（8）Keypoints on 100,000 people

coco数据集以场景理解为目标,从复杂的日常场景中截取,图像中的目标通过精确的Segmentation进行位置的标定,包含91类目标.