PASCAL VOC 2012数据集及其增强版介绍

PASCAL VOC 2012数据集及其增强版介绍

Pascal voc 2012数据集可以用于分类、检测和分割。这篇文章主要介绍其在语义分割任务上的使用。原始的Pascal voc 2012数据集仅仅包含1464个训练数据集，然而在很多paper上，大家都使用了包含10582个训练集的增强版数据集进行训练，因此，这篇文章将会详细介绍原版和增强版的Pascal voc 2012数据集以及它们的使用方法。

---

数据集下载

• PASCAL VOC 2012
  下载后的文件目录如下：

+ VOCdevkit
  + VOC2012
    + Annotations
    + ImageSets
    + JPEGImages
    + SegmentationClass
    + SegmentationObject

• Augmented PASCAL VOC
  这里提供的是我的网盘下载地址，提取码：fg3e。下载后的文件目录如下：

+ benchmark_RELEASE
  + cls
  + img
  + inst
  + tools
  train.txt
  val.txt

---

数据集介绍

PASCAL VOC 2012

VOC 2012数据集分为20类，算上背景一共21类，分别如下：

Person: person 
Animal: bird, cat, cow, dog, horse, sheep 
Vehicle: aeroplane, bicycle, boat, bus, car, motorbike, train 
Indoor: bottle, chair, dining table, potted plant, sofa, tv/monitor

在分割任务上，需要用到原始图像和对应的标签。语义分割任务对同一类的物体在label上都填充都有一个特定的颜色，一共20种颜色，比如摩托车用蓝色表示，人用红色表示。

更详细的介绍可以查看该数据集的官网：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html，接下来主要介绍下载的目录中每个文件夹都是做什么的，我们主要用到下面加粗的文件目录。

• Annotations: 这个文件夹内主要存放了数据的标签，里面包含了每张图片的bounding box信息，主要用于目标检测，这里不做过多介绍。
• ImageSets: ImageSets中的Segmentation目录下存放了用于分割的train, val, trainval数据集的索引。
• JPEGImages: 这里存放的就是JPG格式的原图，包含17125张彩色图片，但只有一部分(2913张)是用于分割的。
• SegmentationClass: 语义分割任务中用到的label图片，PNG格式，共2913张，与原图的每一张图片相对应。
• SegmentationObject: 实例分割任务用到的label图片，在语义分割中用不到，这里不详解介绍。

Augmented PASCAL VOC

增强版的VOC跟原版没什么区别，只是增加了数据。下面还是一一介绍下载的文件夹中每个文件的作用。

• img: 增强版的原图，共11355张图片
• cls: 用于语义分割的label，共11355个.mat文件，每个.mat文件对应一张原图
• inst: 用于实例分割的label，也是11355个.mat文件
• tools: 3个用于数据转换的脚本，在后面数据转换时用到
• train.txt: 训练集索引
• val.txt: 验证集索引

---

数据集使用

大多数paper中使用的数据集是以上两个数据集的融合，因此，在这部分将要介绍如何融合以上两个数据集来训练。

数据转换

由于pascal voc 2012增强版的数据集的label是.mat格式的文件，需要将其转换为.png格式的图片。转化后的图片是8-bit的灰度图。

1）在benchmark_RELEASE目录下创建一个名为cls_png的目录用于存放转化后的png图片
2）在benchmark_RELEASE目录下执行mat2png.py脚本
python tools/mat2png.py cls cls_png

原始pascal voc 2012数据集中label为三通道RGB图像，为了统一，我们也将其转化为8-bit的灰度png图像。

1）在VOCdevkit/VOC2012目录下创建一个名为SegmentationClass_1D的文件夹用于存放转化后的图片
2）将benchmark_RELEASE/tools目录下的convert_labels.py和utils.py脚本拷贝到VOCdevkit/VOC2012目录下，并执行convert_labels.py脚本
python convert_labels.py SegmentationClass ImageSets/Segmentation/trainval.txt SegmentationClass_1D

数据融合

现在，我们将原始的PASCAL VOC 2012数据集和增强版的数据集合并到一起。目前已有数据文件如下：
1.VOCdevkit/VOC2012为原始PASCAL VOC 2012数据集

• images数据集的文件名为：JPEGImages，共17125张图片（其中2913张用于分割）
• labels数据集文件名为：SegmentationClass_1D，共2913张图片

2.benchmark_RELEASE为增强数据集

• images数据集的文件名为：img，共11355张图片
• labels数据集文件名为：cls_png，共11355张图片

将JPEGImages中用于分割的2913张图片拷贝到img目录下(写个简单的脚本就可实现)，将SegmentationClass_1D中的2913张图片拷贝到cls_png目录下，如遇到重复，替换即可。

重命名文件夹

将融合后的img文件名重命名为JPEGImages，共12031张原始JPG图片
将融合后的cls_png文件名重命名为SegmentationClassAug，共12031张PNG标签图片

生成索引文件

整个数据集可分为train, val, trainval, test。需要有索引文件来指定某个样本属于哪个集，因此最后还需要得到每个数据集的索引文件，可以写个简单的脚本生成。也可以在我这里直接下载。https://pan.baidu.com/s/1e_dKDtwl3Gx7-qUsuot7yg 提取码：jn4x