VOC数据集解析 VOC2007解析

最新推荐文章于 2023-12-14 14:46:48 发布
最新推荐文章于 2023-12-14 14:46:48 发布
阅读量7.5k 收藏 79
点赞数 22
分类专栏： 机器学习 文章标签： VOC VOC2007
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Teeyohuang/article/details/103501605
版权

 

 

VOC数据是 PASCAL VOC Challenge 用到的数据集，官网：http://host.robots.ox.ac.uk/pascal/VOC/

备注：VOC数据集常用的均值为：mean_RGB=(122.67891434, 116.66876762,  104.00698793)

pytorch上通用的数据集的归一化指标为：mean=(0.485, 0.456,  0.406) ,std=(0.229, 0.224, 0.225)

这里以常用的 VOC2007数据集 作为代表来讲解一下VOC数据集

1.下载数据

官网：http://host.robots.ox.ac.uk/pascal/VOC/voc2007/index.html

训练集/验证集： http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar

DevKit：http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

带有标记的测试集：http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar

这里说明一下，VOC官方给出的数据集中，只有VOC2007是给出了带有标记的测试集的，

其他年份的数据集是没有给测试集test set的，只给的有带标记的验证集 annotatied validation set。

 

至于训练集train set、验证集validation set 和 测试集 test set 分别是用来干什么的，属实是没有必要在这里讲...常识性知识

 

那么下载完成后得到如下压缩包：

分开来讲这三个包：

最低0.47元/天 解锁文章
Teeyohuang
关注
  • 22
    点赞
  • 踩
  • 79
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
专栏目录
【数据集研究】PASCAL VOC 2007
weixin_37804469的博客
12-01 1898
PASCAL VOC 2007 数据集解读。 数据集解析
【目标检测数据集】VOC2007 数据集介绍
最新发布
牧子川的博客
04-13 1931
VOC 数据是 PASCAL VOC Challenge 用到的数据集，官网：http://host.robots.ox.ac.uk/pascal/VOC/备注：VOC数据集常用的均值为：Pytorch 上通用的数据集的归一化指标为：voc2007 官网：http://host.robots.ox.ac.uk/pascal/VOC/voc2007/index.html注意：在 VOC 官方给出的数据集中，只有 VOC2007 是给出了带有标记的测试集的。
VOC-2007数据集
dataningwei的博客
05-04 1万+
1 VOC2007基本信息作为标准数据集，voc-2007 是衡量图像分类识别能力的基准。 faster-rcnn，yolo -v1, yolo-v2都以此数据集为最为演示样例，因此，有必要了解一下本数据集的组成架构。VOC数据集共包含：训练集（5011幅），测试集（4952幅），共计9963幅图，共包含20个种类。 aeroplane bicycle bird boat
目标检测任务中常用的数据集格式(voc、coco、yolo)
githubcurry
04-24 1万+
在目标检测任务中，常见的数据集格式有三种，分别为Pascal VOC(voc)、coco、yolo。
利用YOLOV5模型来对VOC2007数据集进行训练
qq_50555394的博客
12-14 671
PASCAL VOC（Visual Object Classes）数据集是一个用于目标检测和图像分类的常用数据集，而 VOC2007 则是 VOC 系列数据集的其中一个版本。VOC2007 数据集包含 20 个不同的物体类别。这些类别包括人、动物、交通工具和室内物体。每个类别都有一个唯一的标识符，例如 "person"、"dog"、"car" 等。每个图像都附带有 XML 文件，其中包含有关图像中每个物体的标签和边界框信息。这些标注信息用于训练和评估目标检测算法。
YOLOv5-训练自己的VOC格式数据集（VOC、自建数据集、负样本、没有xml、LabelImg）
Le0v1n 的博客
10-18 2967
YOLOv5-训练自己的VOC格式数据集 Key Word：YOLOv5-训练自己的VOC格式数据集（VOC、自建数据集、负样本、没有xml、LabelImg）
制作VOC2007数据集用到的一些代码
01-07
对图片批量重命名为VOC2007的形式，制作VOC2007数据集的xml文件，制作四个txt文件。（该文件中不包括画目标包围框的代码）
python实现提取COCO,VOC数据集中特定的类
09-17
对于VOC数据集的处理，虽然在提供的代码片段中没有具体实现，但基本思路与COCO类似，主要是读取VOC的XML标注文件，筛选出目标类别，并重新生成符合VOC格式的新XML文件。VOC的数据结构相对简单，每个XML文件对应一张...
Caltech行人数据集转化VOC格式Python代码
11-16
Caltech行人数据集转化VOC格式Python代码，详细操作可以看 https://blog.csdn.net/a1103688841/article/details/84135248
create-pascal-voc-dataset:创建PASCAL VOC 2007数据集
05-12
创建PASCAL VOC 2007数据集 重构所有项目！ 现在，它更加高效，结构也更加清晰。 用法 获取数据集注释文件，解析并将其保存到两个文件trainval_annotations.txt和test_annotations.txt ，文件名无关紧要。 您的注释...
VOC2007数据集下载.txt
09-23
pascal VOC2007数据集下载，5011张图片与xml文件，VOC2007数据集下载，VOC2007数据集下载
VOC数据集，盘镜像网址，下载更快
04-13
内包含VOCtest_06-Nov-2007，VOCtrainval_06-Nov-2007，VOCtrainval_11-May-2012
番茄（圣女果/西红柿）数据集
05-22
该数据集包含895张番茄具有PASCAL VOC格式的边界框注释的图像，可用于创建检测模型，对番茄进行目标检测。 文件内容主要有： Tomato Detection_datasets.txt Tomato Detection_datasets.zip 可以在以下链接预览：...
深度学习数据集txt文件转xml
06-26
在YOLOv5中，常用的数据集格式是TXT文件，其中包含了目标检测的标注信息。如果需要将TXT文件转换为XML文件格式，可以按照以下步骤进行操作： 读取TXT文件：首先，需要读取包含目标检测标注信息的TXT文件。每行通常...
从voc数据集中的xml截取相应目标图片
12-03
1-keras_get_xml_LocationAndName_to_cropPic.py 说明：此程序解析xml文件，得到xmin xmax ymin ymax和name，将数据集中的特定位置的图片crop下，保存到固定文件夹下，同类目标放到同类目录下。
VOC2007数据集
贾路飞的博客
04-08 1272
如上图所示，完整的VOC2007数据集有三个压缩包： VOCdevkit_08-Jun-2007.tar：开发工具包 VOCtest_06-Nov-2007.tar：测试集，4952张图片 VOCtrainval_06-Nov-2007.tar：训练和验证集，5011张图片 其中test和trainval的数据集目录结构一样，同时解压三个压缩包，最终会自动解压到一个文件夹下VOCdec...
voc2007数据集
lemon1597的博客
12-19 3613
Pascal VOC challenge是一个非常流行的数据集，用于构建和评估用于图像分类、对象检测和分割的算法。
VOC2007数据集解析
热门推荐
GuanghaoChen的博客
03-30 3万+
下载 首先从网站上下载VOC2007数据集下载链接 文件结构 概述 下载后的数据文件主要包含以下内容： 由于我们是将数据用于检测，因此，我们只关注Annotation，ImageSets和JPEGImages三个文件夹。下面我们逐个分析每一个文件夹下面的内容： JPEGImages 这个文件夹主要放置数据的原始图片，图片的文件名用00001.jpg进行命名。 ...
VOC数据集格式转coco数据集格式
10-15
将VOC数据集转换为COCO数据集需要进行以下步骤： 1. 将VOC数据集中的图片和标注文件分别放在两个文件夹中，例如：images文件夹和annotations文件夹。 2. 安装pycocotools库，该库可以通过pip install pycocotools命令进行安装。 3. 创建一个空的COCO数据集，可以使用以下代码： ``` from pycocotools.coco import COCO coco = COCO() ``` 4. 遍历VOC数据集中的每个标注文件，将其转换为COCO数据集中的格式，并添加到COCO数据集中。以下是一个示例代码： ``` import os import xml.etree.ElementTree as ET from pycocotools.coco import COCO from pycocotools import mask as maskUtils # 初始化COCO数据集 coco = COCO() # 添加类别 classes = ['person', 'car', 'bus', 'truck'] for i, cls in enumerate(classes): coco.add_category({'id': i + 1, 'name': cls}) # 遍历VOC数据集中的每个标注文件 annotations_dir = 'annotations' for filename in os.listdir(annotations_dir): if not filename.endswith('.xml'): continue # 解析标注文件 tree = ET.parse(os.path.join(annotations_dir, filename)) root = tree.getroot() # 获取图片信息 image_id = int(root.find('filename').text.split('.')[0]) width = int(root.find('size/width').text) height = int(root.find('size/height').text) # 添加图片信息 coco.add_image({ 'id': image_id, 'width': width, 'height': height, 'file_name': f'{image_id}.jpg' }) # 遍历标注信息 for obj in root.findall('object'): cls = obj.find('name').text bbox = obj.find('bndbox') x1 = int(bbox.find('xmin').text) y1 = int(bbox.find('ymin').text) x2 = int(bbox.find('xmax').text) y2 = int(bbox.find('ymax').text) # 添加标注信息 coco.add_annotation({ 'id': len(coco.dataset['annotations']) + 1, 'image_id': image_id, 'category_id': classes.index(cls) + 1, 'bbox': [x1, y1, x2 - x1, y2 - y1], 'area': (x2 - x1) * (y2 - y1), 'iscrowd': 0, 'segmentation': maskUtils.frPyObjects([[x1, y1, x2, y1, x2, y2, x1, y2]], height, width) }) ``` 5. 将COCO数据集保存为JSON格式的文件，可以使用以下代码： ``` import json with open('coco.json', 'w') as f: json.dump(coco.dataset, f) ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值