关于VOC与COCO数据集文件里的内容

本文的内容基于PASCAL VOC2012和COCO2014，若有不当之处，还请各位教正。

VOC

下载VOC后打开，得到以下五个文件夹：

• JPEGImages
• Annotations
• ImageSets
• SegmentationClass
• SegmentationObject

1、JPEGImages

PASCAL VOC提供的所有的图片，其中包括训练图片，测试图片，总共1712张。

2、Annotations

存放xml格式的标签文件，每个xml对应JPEGImage中的一张图片。
包含以下信息（#标注是我自己加的）：

<annotation>
	<folder>JPEGImages</folder>
	<filename>01.jpg</filename>		  # 文件名
	<path>D:\Datasets\My_datas\VOC\JPEGImages\01.jpg</path>
	<source>
		<database>Unknown</database>
	</source>
	<size>							   # 图像尺寸（长宽以及通道数）
		<width>1920</width>
		<height>1080</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>			# 是否用于分割（在图像物体识别中01无所谓）
	<object>							# 检测到的物体
		<name>car</name>					# 物体类别
		<pose>Unspecified</pose>			# 拍摄角度(目标的姿势)
		<truncated>0</truncated>			# 目标是否被截断(0表示不是)
		<difficult>0</difficult>			# 目标是否难以识别(0表示容易识别)
		<bndbox>							# bounding box左下、右下角xy坐标
			<xmin>735</xmin>
			<ymin>230</ymin>
			<xmax>1917</xmax>
			<ymax>806</ymax>
		</bndbox>
	</object>
</annotation>

3、ImageSets

• Action：人的动作
• Layout：人体的具体部位
• Main： 图像物体识别的数据，总共20类, 需要保证train val没有交集
  • train.txt：训练集
  • val.txt：验证集validation
  • trainval.txt：训练和验证集
• Segmentation：用于分割的数据

Main 和 Segmentation的作用相当于名单，当模型要用的时候，根据名单找到对应的 img。

4、SegmentationObject & SegmentationClass

• SegmentationClass：用于语义分割
• SegmentationObject：用于实例分割

两者img数都是2913.

另外，语义分割与实例分割的区别在于：

• 语义分割：标出某一类物体，只能判断类别，无法区分个体；
• 实例分割：标出某一个个体，可以区分出单个个体。

因此打开SegmentationObject 和 SegmentationClass 可发现两者异同

COCO

我只下载了object annotations 和所有 Images。
Images文件里分别存放了train图像82783张和val图像40504张。

object annotations 里分别是 train 和 val 的 json文件。
整理了一下，部分内容如下：

<class ‘dict’>

• info： 对数据集信息的描述

"info":{  
        "description": "This is stable 1.0 version of the 2014 MS COCO dataset.",
        "url": "http://mscoco.org",
        "version": "1.0",
        "year": 2014,
        "contributor": "Microsoft COCO group",
        "date_created": "2015-01-27 09:11:52.357475"
        }

• images： 每张图片的信息

"images":[ 
          {
          "license": 5,
          "file_name": "COCO_train2014_000000057870.jpg",  # 图片名
          "coco_url": "http://mscoco.org/images/57870",
          "height": 480,  # 高
          "width": 640,  # 宽
          "date_captured": "2013-11-14 16:28:13",
          "flickr_url": "http://farm4.staticflickr.com/3153/2970773875_164f0c0b83_z.jpg",
          "id": 57870  # 图片的id编号(每张图的id编号是唯一的)
          },
          ......]

• licenses：许可证

"licenses":[
           {
           "url": "http://creativecommons.org/licenses/by-nc-sa/2.0/",
           "id": 1,
           "name": "Attribution-NonCommercial-ShareAlike License"
           },
           ......]

• annotations：每个annotation只是表示一个目标的label，多个annotation
  可指向同一img

"annotations":[ 
              {
              "segmentation": {  # 对象边界点(多边形)，是语义分割的label
                              "counts":[312.29, 562.89,  # 第一个点xy坐标
                                        402.25, 511.49,  # 第二个点xy坐标
                                        400.96, 425.38,
                                        ...     ...   ,
                                        300.72, 571.89],
                              "size": [427, 640]
                              }
              "area": 54652.9556,  # 语义分割或bbox的区域大小
              "iscrowd": 0,  # 是否是人群
              "image_id": 480023,  # 对应的img的id
              "bbox": [116.95, 305.86, 285.3, 266.03],  # 目标框
              "category_id": 58,  # 类别的标识
              "id": 86  # 每个目标的id，是annotation的唯一标识
              },
              ......]

• categories

"categories":[  # 类别描述
             {
             "supercategory": "vehicle",  # 主类别
             "id": 2,  # 类别对应id(0为背景)
             "name": "bicycle"  # 子类别
              },
              ......]

在使用的时候，我们只需取出 images，annotations 和 categories 即可。

参考文献：
[1] https://blog.csdn.net/See_Star/article/details/103546650.
[2] https://zhuanlan.zhihu.com/p/50996404.
[3] https://blog.csdn.net/qq_30638831/article/details/83148308.
[4] https://blog.csdn.net/fireflychh/article/details/83040205.