目标检测常用的标签格式

数据集的标注文件分为两个版本：有向目标边框（Oriented Bounding Box，OBB）与水平目标边框（Horizontal Bounding Box，HBB）。

一、COCO

COCO数据集，是将所有图像的标签信息和类别信息存放在一个json文件。COCO数据集标签的主要内容如下：

{
    "images": [
        {
            "file_name": "221.tif",
            "height": 3380,
            "width": 5857,
            "id": 0
        },……
    ],
    "annotations": [
        {
            "area": 7840,
            "iscrowd": 0,
            "image_id": 0,
            "bbox": [
                3393,
                2399,
                112,
                70
            ],
            "category_id": 1,
            "id": 0,
            "ignore": 0
        },……
    ],
    "categories": [
        {
            "id": 1,
            "name": "uncross"
        },……
    ]
}

二、VOC

VOC数据集，将每一张图像的标签信息单独保存在一个xml文件中。VOC数据集标签的主要内容如下：

<?xml version="1.0" encoding="utf-8"?>
<annotation>
	<folder>VOC2007</folder>
	<filename>文件名</filename>
	<source> # 图像来源（不重要）
		<database>My Database</database>
		<annotation>VOC2007</annotation>
		<image>flickr</image>
	</source>
	<size> # 图像尺寸
		<width>640</width>
		<height>640</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented> # 是否用于物体分割，取值0或1
	<object> # 目标框
		<name>类别名称</name>
		<pose>拍摄姿势</pose>
		<truncated>0</truncated> # 是否被截断（0表示完整）
		<difficult>0</difficult> # 目标是否难以识别（0表示容易识别）
		<bndbox> # 目标框（包含左下角和右上角xy坐标）
			<xmin>368</xmin>
			<ymin>436</ymin>
			<xmax>410</xmax>
			<ymax>466</ymax>
			<angle>-21.447731018066406</angle> # 旋转目标框时存在
		</bndbox>
	</object>
</annotation>

三、DOTA

DOTA数据集，将每一张图像的标签信息单独保存在一个txt文件中。DOTA数据集标签的主要内容如下：

'imagesource':imagesource
'gsd':gsd
x1, y1, x2, y2, x3, y3, x4, y4, category, difficult
x1, y1, x2, y2, x3, y3, x4, y4, category, difficult

imagesource：图像数据来源；

gsd：地面采样距离（一个图像像素的物理尺寸，单位为m），缺少该注释则为null；

x1, y1, x2, y2, x3, y3, x4, y4：四边形边框的四点坐标，其中（x1，y1）用于表示OBB的顶点起点的位置，四个顶点按照顺时针进行排列（顶点顺序对于部分需要检测目标具体方位的场景非常重要）。

category：目标所属类别；

diffcult：该目标实例的检测难度，1为高，0为低。