VOC 2007数据集结构

目录

一、数据集介绍

• 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。
• 这个挑战的目标是在现实场景中从大量的可视对象类中识别对象(即不是预先分割的对象)。有20个对象类：

  

• 有两个主要任务：
  • 分类
  • 检测

  

• 两个可尝试的额外任务：
  • 分割

  

• 全称
  The PASCAL Visual Object Classes Challenge 2007 (VOC2007)
  • PASCAL：pattern analysis,statistical modelling and computationallearning
  • VOC：visual object classes

二、数据集文件结构

（一）总结构

• Annotations
• ImageSets
  • Layout
  • Main
  • Segmentation
• JPEGImages
• SegmentationClass
• SegmentationObject
  
  

（二）Annotations

这个文件夹放置的是对每一张图片的标注，为XML文件。
JPEGImages文件夹中的每张图片都在此有对应的XML文件，文件命名格式为：<图片编号.xml>。

我们以000001.xml为例进行说明。

• 000001.jpg：
  
• 000001.xml：

<annotation>
	<folder>VOC2007</folder>
	<!--文件名-->
	<filename>000001.jpg</filename>
	<!--数据来源-->
	<source>
		<database>The VOC2007 Database</database>
		<annotation>PASCAL VOC2007</annotation>
		<image>flickr</image>
		<flickrid>341012865</flickrid>
	</source>
	<!--图片所有者-->
	<owner>
		<flickrid>Fried Camels</flickrid>
		<name>Jinky the Fruit Bat</name>
	</owner>
	<!--图像尺寸，包括图像的宽、高、色彩通道数-->
	<size>
		<width>353</width>
		<height>500</height>
		<depth>3</depth>
	</size>
	<!--是否用于分割，0表示用于，1表示不用于-->
	<segmented>0</segmented>
	<!--object表示在图像中进行了标注的物体-->
	<object>
		<!--物体类别-->
		<name>dog</name>
		<!--拍摄角度-->
		<pose>Left</pose>
		<!--是否被裁剪，0表示完整，1表示不完整-->
		<truncated>1</truncated>
		<!--是否容易被识别，0表示容易，1表示困难-->
		<difficult>0</difficult>
		<!--bounding box的四个坐标，分别为左上角和右下角的x，y坐标-->
		<bndbox>
			<xmin>48</xmin>
			<ymin>240</ymin>
			<xmax>195</xmax>
			<ymax>371</ymax>
		</bndbox>
	</object>
	<object>
		<name>person</name>
		<pose>Left</pose>
		<truncated>1</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>8</xmin>
			<ymin>12</ymin>
			<xmax>352</xmax>
			<ymax>498</ymax>
		</bndbox>
	</object>
</annotation>

VOC 2007数据集中图片的bounding box的四个坐标分别为左上角和右下角的x，y坐标$(x_{min},y_{min},x_{max},y_{max})$，且图片是1-base的，即图片左上角的点坐标为(1, 1)。
官方文档：The PASCAL Visual Object Classes Challenge
2007 (VOC2007) Development Kit，page：20

注释：照我们正常的理解来说，bndbox中表示的应当是矩形框的左下角和右上角坐标，但实际上这里使用的是以左上角为原点的屏幕坐标系，图示如下：

参考：屏幕坐标系，世界坐标系

（三）ImageSets

ImageSets存放的是每一种类型的challenge对应的图像数据。

• _train.txt 训练样本集
• _val.txt 验证样本集
• _trainval.txt 训练与测试样本汇总
• _test.txt 测试样本集

1、Layout

Layout下存放的是具有人体部位的数据（人的head、hand、feet等等，这也是VOC challenge的一部分）。

• test.txt
  

2、Main

Main下存放的是图像物体识别的数据，总共分为20类。

• car_train.txt
  前面是图像编号，后面是正/负样本，其中1表示正样本，-1表示负样本。
  注：还存在0，个人认为是无法判断是正样本还是负样本。
  
• 001057.jpg：1
  
• 000987.jpg：0
  
• 000964.jpg：-1
  

3、Segmentation

Segmentation下存放的是可用于分割的数据。

（四）JPEGImages

这个文件夹主要放置数据的原始图片，共9963张图片，文件命名格式为：<图片编号.jpg>。

（五）SegmentationClass

按类别进行图像分割，同一类别的物体会被标注为相同颜色。

• 000032.png
  

（六）SegmentationObject

按对象进行图像分割，即使是同一类别的物体会被标注为不同的颜色。

• 000032.png
  

参考

计算机视觉标准数据集整理—PASCAL VOC数据集
VOC2007数据集解析
Pascal VOC Dataset Mirror
数据集：Pascal VOC 2007数据集分析