VOC和COCO数据集讲解

最新推荐文章于 2024-04-16 14:58:06 发布

追光少年羽

最新推荐文章于 2024-04-16 14:58:06 发布

阅读量6.7k

点赞数 5

分类专栏： Deeplearn 文章标签：目标检测深度学习计算机视觉

本文链接：https://blog.csdn.net/a15608445683/article/details/126648977

版权

Deeplearn 专栏收录该内容

22 篇文章 17 订阅

订阅专栏

　　相对其他计算机视觉任务，目标检测算法的数据格式更为复杂。为了对数据进行统一的处理，目标检测数据一般都会做成VOC或者COCO的格式。
　　VOC和COCO都是既支持检测也支持分割的数据格式，本文主要分析PASCAL VOC和COCO数据集中物体识别相关的内容，并学习如何制作自己的数据集。

一、VOC格式

目录结构

　　VOC格式数据集一般有着如下的目录结构：

VOC_ROOT     #根目录
    ├── JPEGImages         # 存放源图片
    │     ├── aaaa.jpg     
    │     ├── bbbb.jpg  
    │     └── cccc.jpg
    ├── 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
    │     ├── aaaa.xml 
    │     ├── bbbb.xml 
    │     └── cccc.xml 
    └── ImageSets          
        └── Main
          ├── train.txt    # txt文件中每一行包含一个图片的名称
          └── val.txt

　　其中JPEGImages目录中存放的是源图片的数据，(当然图片并不一定要是.jpg格式的，只是规定文件夹名字叫JPEGImages)；
　　Annotations目录中存放的是标注数据，VOC的标注是xml格式的，文件名与JPEGImages中的图片一一对应；
　　ImageSets/Main目录中存放的是训练和验证时的文件列表，每行一个文件名(不包含扩展名)，例如train.txt是下面这种格式的：

# train.txt
aaaa
bbbb
cccc

XML标注格式

　　xml格式的标注格式如下：

<annotation>
    <folder>VOC_ROOT</folder>                           
    <filename>aaaa.jpg</filename>  # 文件名
    <size>                         # 图像尺寸（长宽以及通道数）                      
        <width>500</width>
        <height>332</height>
        <depth>3</depth>
    </size>
    <segmented>1</segmented>       # 是否用于分割（在图像物体识别中无所谓）
    <object>                       # 检测到的物体
        <name>horse</name>         # 物体类别
        <pose>Unspecified</pose>   # 拍摄角度，如果是自己的数据集就Unspecified
        <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>                   # bounding-box（包含左下角和右上角xy坐标）
            <xmin>100</xmin>
            <ymin>96</ymin>
            <xmax>355</xmax>
            <ymax>324</ymax>
        </bndbox>
    </object>
    <object>                       # 检测到多个物体
        <name>person</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>198</xmin>
            <ymin>58</ymin>
            <xmax>286</xmax>
            <ymax>197</ymax>
        </bndbox>
    </object>
</annotation>

制作自己的VOC数据集

　　制作自己数据集的步骤为：

　　① 新建一个JPEGImages的文件夹，把所有图片放到这个目录。(或者使用ln -s把图片文件夹软链接到JPEGImages)；

　　② 由原来的数据格式生成xml，其中pose，truncated和difficult没有指定时使用默认的即可。bounding box的格式是[x1,y1,x2,y2]，即[左上角的坐标, 右下角的坐标]。x是宽方向上的，y是高方向上的。

　　③ 随机划分训练集和验证集，训练集的文件名列表存放在ImageSets/Main/train.txt，验证集的文件名列表存放在ImageSets/Main/val.txt。

参考代码

　　附一个由csv转voc格式的脚本：

# encoding=utf-8
import os
from collections import defaultdict
import csv
import cv2
import ipdb
import misc_utils as utils  # pip3 install utils-misc==0.0.5 -i https://pypi.douban.com/simple/
import json
 
utils.color_print('建立JPEGImages目录', 3)
os.makedirs('Annotations', exist_ok=True)
utils.color_print('建立Annotations目录', 3)
os.makedirs('ImageSets/Main', exist_ok=True)
utils.color_print('建立ImageSets/Main目录', 3)
 
files = os.listdir('train')
files.sort()
 
mem = defaultdict(list)
 
confirm = input('即将生成annotations，大约需要3-5分钟，是否开始(y/n)? ')
if confirm.lower() != 'y':
    utils.color_print(f'Aborted.', 3)
    exit()
 
with open('train.csv', 'r') as f:
 
    csv_file = csv.reader(f)
    '''
    读取的csv_file是一个iterator，每个元素代表一行
    '''
    for i, line in enumerate(csv_file):
        if i == 0:
            continue
        filename, width, height, bbox, _ = line
        x1, y1, x2, y2 = json.loads(bbox)
        x1, y1, x2, y2 = int(x1), int(y1), int(x2), int(y2)
        x2 += x1
        y2 += y1
        mem[filename].append([x1, y1, x2, y2])
 
for i, filename in enumerate(mem):
    utils.progress_bar(i, len(mem), 'handling...')
    img = cv2.imread(os.path.join('train', filename))
    # height, width, _ = img.shape
 
 
    with open(os.path.join('Annotations', filename.rstrip('.jpg')) + '.xml', 'w') as f:
        f.write(f"""<annotation>
    <folder>train</folder>
    <filename>{filename}.jpg</filename>
    <size>
        <width>1024</width>
        <height>1024</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>\n""")
        for x1, y1, x2, y2 in mem[filename]:
            f.write(f"""    <object>
        <name>wheat</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>{x1}</xmin>
            <ymin>{y1}</ymin>
            <xmax>{x2}</xmax>
            <ymax>{y2}</ymax>
        </bndbox>
    </object>\n""")
        f.write("</annotation>")
 
files = list(mem.keys())
files.sort()
f1 = open('ImageSets/Main/train.txt', 'w')
f2 = open('ImageSets/Main/val.txt', 'w')
train_count = 0
val_count = 0
 
with open('ImageSets/Main/all.txt', 'w') as f:
    for filename in files:
        # filename = filename.rstrip('.jpg')
        f.writelines(filename + '\n')
 
        if utils.gambling(0.1):  # 10%的验证集
            f2.writelines(filename + '\n')
            val_count += 1
        else:
            f1.writelines(filename + '\n')
            train_count += 1
 
f1.close()
f2.close()
 
utils.color_print(f'随机划分 训练集: {train_count}张图，测试集：{val_count}张图', 3)

二、COCO格式

目录结构

　　COCO格式数据集的目录结构如下：

COCO_ROOT     #根目录
    ├── annotations        # 存放json格式的标注
    │     ├── instances_train2017.json   
    │     └── instances_val2017.json
    └── train2017         # 存放图片文件
    │     ├── 000000000001.jpg 
    │     ├── 000000000002.jpg 
    │     └── 000000000003.jpg 
    └── val2017        
          ├── 000000000004.jpg 
          └── 000000000005.jpg

　　这里的train2017和val2017称为set_name，annnotations文件夹中的json格式的标注文件名要与之对应并以instances_开头，也就是instances_{setname}.json。

json标注格式

　　与VOC一个文件一个xml标注不同，COCO所有的目标框标注都是放在一个json文件中的。
这个json文件解析出来是一个字典，格式如下：

{
  "info": info, 
  "images": [image], 
  "annotations": [annotation], 
  "categories": [categories],
  "licenses": [license],
}

制作自己的数据集的时候info和licenses是不需要的。只需要中间的三个字段即可。

其中images是一个字典的列表，每个图片的格式如下：

# json['images'][0]
{
  'license': 4,
  'file_name': '000000397133.jpg',
  'coco_url': 'http://images.cocodataset.org/val2017/000000397133.jpg',
  'height': 427,
  'width': 640,
  'date_captured': '2013-11-14 17:02:52',
  'flickr_url': 'http://farm7.staticflickr.com/6116/6255196340_da26cf2c9e_z.jpg',
  'id': 397133}

　　自己的数据集只需要写file_name,height,width和id即可。id是图片的编号，在annotations中也要用到，每张图是唯一的。

　　categories表示所有的类别，格式如下：

[
  {'supercategory': 'person', 'id': 1, 'name': 'person'},
  {'supercategory': 'vehicle', 'id': 2, 'name': 'bicycle'},
  {'supercategory': 'vehicle', 'id': 3, 'name': 'car'},
  {'supercategory': 'vehicle', 'id': 4, 'name': 'motorcycle'},
  {'supercategory': 'vehicle', 'id': 5, 'name': 'airplane'},
  {'supercategory': 'vehicle', 'id': 6, 'name': 'bus'},
  {'supercategory': 'vehicle', 'id': 7, 'name': 'train'},
  {'supercategory': 'vehicle', 'id': 8, 'name': 'truck'},
  {'supercategory': 'vehicle', 'id': 9, 'name': 'boat'}
  # ....
]

　　annotations是检测框的标注，一个bounding box的格式如下：

{'segmentation': [[0, 0, 60, 0, 60, 40, 0, 40]],
 'area': 240.000,
 'iscrowd': 0,
 'image_id': 289343,
 'bbox': [0., 0., 60., 40.],
 'category_id': 18,
 'id': 1768}

　　其中segmentation是分割的多边形，如果不知道直接填写[[x1, y1, x2, y1, x2, y2, x1, y2]]就可以了，area是分割的面积，bbox是检测框的[x, y, w, h]坐标，category_id是类别id，与categories中对应,image_id图像的id，id是bbox的id，每个检测框是唯一的。

参考代码

　　附一个VOC转COCO格式的参考代码

voc_dataset = VOCTrainValDataset(voc_root, 
        class_names,
        split=train_split,
        format=img_format,
        transforms=preview_transform)
 
output_file = f'instances_{train_split[:-4]}.json'
 
for i, sample in enumerate(voc_dataset):
    utils.progress_bar(i, len(voc_dataset), 'Drawing...')
 
    image = sample['image']
    bboxes = sample['bboxes'].cpu().numpy()
    labels = sample['labels'].cpu().numpy()
    image_path = sample['path']
 
    h, w, _ = image.shape
 
    global_image_id += 1
 
    coco_dataset['images'].append({   
        'file_name': os.path.basename(image_path),
        'id': global_image_id,
        'width': int(w),
        'height': int(h)
    })
 
    for j in range(len(labels)):
        x1, y1, x2, y2 = bboxes[j]
        x1, y1, x2, y2 = float(x1), float(y1), float(x2), float(y2),  
        category_id = int(labels[j].item()) + 1
        # label_name = class_names[label]
 
        width = max(0, x2 - x1)
        height = max(0, y2 - y1)
 
        area = width * height
 
        global_annotation_id += 1
 
        coco_dataset['annotations'].append({
            'id': global_annotation_id,
            'image_id': global_image_id,
            'category_id': category_id,
            'segmentation': [[x1, y1, x2, y1, x2, y2, x1, y2]],
            'area': float(area),
            'iscrowd': 0,
            'bbox': [x1, y1, width, height],
 
        })
 
with open(output_file, 'w', encoding='utf-8') as f:
    json.dump(coco_dataset, f, ensure_ascii=False)
 
print(f'Done. coco json file has been saved to `{output_file}`')

追光少年羽

关注

5
点赞
踩
75

收藏

觉得还不错? 一键收藏
0
评论
VOC和COCO数据集讲解

一、VOC格式相对其他计算机视觉任务，目标检测算法的数据格式更为复杂。为了对数据进行统一的处理，目标检测数据一般都会做成VOC或者COCO的格式。VOC和COCO都是既支持检测也支持分割的数据格式，本文主要分析PASCAL VOC和COCO数据集中物体识别相关的内容，并学习如何制作自己的数据集。一、VOC格式。
复制链接

扫一扫