FSOD代码结构

数据加载

Pascal VOC 2007+2012

数据集划分

在20个类别当中选择5个类别作为新类别novel classes，剩下的15个类别作为基础类别base classes,根据三种不同的novel classes对数据有三种划分，split1, split2, split3。三种类别划分分别如下所示，划分文件保存在lib/model/utils/config.py，类别索引从1开始，背景为0。

__C.TRAIN.ALLCLASSES_FIRST = ['aeroplane', 'bicycle', 'boat', 'bottle', 'car',
                              'cat', 'chair', 'diningtable', 'dog', 'horse',
                              'person', 'pottedplant', 'sheep', 'train', 'tvmonitor',
                              'bird', 'bus', 'cow', 'motorbike', 'sofa']

__C.TRAIN.BASECLASSES_FIRST = ['aeroplane', 'bicycle', 'boat', 'bottle', 'car',
                               'cat', 'chair', 'diningtable', 'dog', 'horse',
                               'person', 'pottedplant', 'sheep', 'train', 'tvmonitor']

数据读取

基础类别训练

事先根据类别划分在数据集中找到相应类别的图片，将图片名保存在如下形式的路径中data/VOCdevkit/VOC2007/ImageSets/Main/voc_2007_train_first_split.txt。在基础阶段训练时（base training），程序会根据数据集"voc_2007_train_first_split+voc_2012_train_first_split"在对应文件夹中读取相应的读片组成训练集。

如果只是正常训练的话这种读取方式就足够了，但是在元学习（meta learning）的训练中还需要读取支持集（support set）。程序会在Pascal Voc 2007+2012 trainval 数据中每个类别选择200（shots）张图片组成支持集，程序文件保存在lib/datasets/metadata.py。

新类别微调

与基础训练阶段不同的是，微调阶段必须保证每个novel class对应的图片数量就是指定的***shot***, 因此我们不能在不同的数据集中选择支持集和训练集，这必然导致novel classes对应的图片会选择多张。

微调阶段指定的数据集名称为voc_2007_shots，程序metadata.py首先会在Pascal Voc 2007 trainval中每个类别都找到shot*3张图片，将图片名保存在data/VOCdevkit/VOC2007/ImageSets/Main/shots.txt，接下来每个新类别只保留shots张图片组成支持集。

读取上一步保存的shots.txt中的图片，并且滤除novel classes对应多余的图片组成训练集。