Pascal VOC(VOC 2012、VOC 2007) 数据集的简介
一、数据集介绍
PascalVOC(2005~2012)数据集是PASCAL VOC挑战官方使用的数据集。该数据集包含20类的物体。每张图片都有标注，标注的物体包括人、动物（如猫、狗、岛等）、交通工具（如车、船飞机等）、家具（如椅子、桌子、沙发等）在内的20个类别。每个图像平均有2.4个目标，所有的标注图片都有目标检测需要的标签。
VOC2007 与 VOC2012
VOC2007：包含9963张标注过的图片， 由train/val/test三部分组成， 共标注出24,640个物体。 VOC2007的test数据label已经公布， 之后的没有公布（只有图片，没有label）。VOC2012：是VOC2007数据集的升级版，一共有11530张图片。对于检测任务，VOC2012的trainval/test包含08-11年的所有对应图片。 trainval有11540张图片共27450个物体。 对于分割任务， VOC2012的trainval包含07-11年的所有对应图片， test只包含08-11。trainval有 2913张图片共6929个物体。 VOC2012数据集分为20类，包括背景为21类，分别如下：
人：人
动物：鸟、猫、牛、狗、马、羊
车辆：飞机、自行车、船、巴士、汽车、摩托车、火车
室内：瓶、椅子、餐桌、盆栽植物、沙发、电视/监视器
二、文件夹介绍
Pascal VOC2012数据集包括五个文件夹：
1. Annotation文件夹Annotation：存放xml格式的标注信息，一个xml文件对应一张图片，里面通过标签包围数据，如：
具体解释如下：
<annotation>
<folder>VOC2012</folder>
<filename>2007_000027.jpg</filename>
<source>
<database>The VOC2007 Database</database>
<annotation>PASCAL VOC2007</annotation>
<image>flickr</image>
</source>
<size>
<width>486</width>
<height>500</height>
<depth>3</depth>
</size>
<segmented>0</segmented>
<object>
<name>person</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>174</xmin>
<ymin>101</ymin>
<xmax>349</xmax>
<ymax>351</ymax>
</bndbox>
<part>
<name>head</name>
<bndbox>
<xmin>169</xmin>
<ymin>104</ymin>
<xmax>209</xmax>
<ymax>146</ymax>
</bndbox>
</part>
<part>
<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>
2. JPEGImages文件夹JPEGImages：存放所有图片，包括训练图片和测试图片。命名格式为：2007_000032.jpg
3. ImageSets文件夹ImageSets：存放每一种任务对应的数据，其又划分为四个文件夹
(1) Action文件夹：存放人体动作的txt文件，比如跳跃、打电话、读书等。而每个动作又分三类为训练集、训练的验证集和测试集。
内容案例如下，每列数字分别表示：图像ID、人数、动作状态
存放人体部位的txt文件，同样又分为训练集、训练的验证集和测试集。
存放类别信息的txt文件，是最重要的文件夹，里面是图像检测的数据，共20个类别，同样又分为训练集、训练的验证集和测试集。
内容如下，第一列是对应的图片名字，第二列表示这个对象是否出现在该图像中，1表示出现，-1表示没有出现。
注意，在Main文件夹下，有两个最重要的txt文件，分别为train.txt和val.txt。这两个文件夹是总的划分，即相当于机器学习中的训练集和测试集的划分一样，需要保证两者数据不交叉。而这个文件也是我们后面训练需要用到的文件。
(4) Segmentation文件夹存放分割训练的txt文件，分别为图像分割用到的训练、训练的验证集和测试集。这里对应的不仅仅是图片名字，还对应了分割文件夹下的分割图片。
SegmentationClass：语义分割任务中用到的label图片。
SegmentationObject：实例分割任务用到的label图片，即图像分割（即同一类别也要区分颜色）后的图像，如：
总结：
对数据了解后，才好对数据进行处理，例如需要对数据进行增强或其他处理。
相关知识
[数据集][目标检测]遛狗不牵绳数据集VOC格式
YOLO车牌目标检测数据集下载与训练教程
鸟类识别与分类数据集概览
鸟类图像识别与分类数据集概览（猫脸码客 第207期）
数据集下载地址（转）以下内容转自https://baijiahao.baidu.com/s?id=1615853849218131902&wfr=spider&for=pc
IAM空气净化器 除甲醛雾霾细菌过敏原二手烟 家用办公室 负离子净化 实测CADR=550 监测VOC含甲醛 KJ500F
YOLO电力金具检测数据集及训练教程发布
【宠物狗狗数据集】 犬类品种识别 宠物狗检测 深度学习 目标检测（含数据集）
宠物：宠物是基于Django的网站，允许人们共享照片和有关失踪宠物的信息，以及可供收养的宠物资源
VOC2012数据清洗
网址: Pascal VOC(VOC 2012、VOC 2007) 数据集的简介 https://m.mcbbbk.com/newsview977136.html
| 上一篇: 常出差的人适合养什么宠物 |
下一篇: 壁虎有毒吗? |
