PASCAL_VOC2012数据集

PASCAL VOC挑战赛主要包括以下几类：图像分类(Object Classification)，目标检测(Object Detection)，目标分割(Object Segmentation)，行为识别(Action Classification) 等
官网：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/
PASCAL VOC2012数据集介绍_pascal voc 2012-CSDN博客

在Pascal VOC数据集中主要包含20个目标类别，下图展示了所有类别的名称以及所属超类。

下载地址： http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html#devkit
打开链接后如下图所示，只用下载training/validation data (2GB tar file)文件即可。

下载后将文件进行解压，解压后的文件目录结构如下所示：

VOCdevkit
    └── VOC2012
         ├── Annotations               所有的图像标注信息(XML文件)
         ├── ImageSets    
         │   ├── Action                人的行为动作图像信息
         │   ├── Layout                人的各个部位图像信息
         │   │
         │   ├── Main                  目标检测分类图像信息
         │   │     ├── train.txt       训练集(5717)
         │   │     ├── val.txt         验证集(5823)
         │   │     └── trainval.txt    训练集+验证集(11540)
         │   │
         │   └── Segmentation          目标分割图像信息
         │         ├── train.txt       训练集(1464)
         │         ├── val.txt         验证集(1449)
         │         └── trainval.txt    训练集+验证集(2913)
         │ 
         ├── JPEGImages                所有图像文件
         ├── SegmentationClass         语义分割png图（基于类别）
         └── SegmentationObject        实例分割png图（基于目标）

注意，train.txt、val.txt和trainval.txt文件里记录的是对应标注文件的索引，每一行对应一个索引信息，也就是图片名称。如下图所示：

目标检测任务

接下来简单介绍下如何使用该数据集中目标检测的数据。

1. 首先在Main文件中，读取对应的txt文件（注意，在Main文件夹里除了train.txt、val.txt和trainval.txt文件外，还有针对每个类别的文件，例如bus_train.txt、bus_val.txt和bus_trainval.txt）。比如使用train.txt中的数据进行训练，那么读取该txt文件，解析每一行。上面说了每一行对应一个标签文件的索引。

   ├── Main                  目标检测分类图像信息
   │     ├── train.txt       训练集(5717)
   │     ├── val.txt         验证集(5823)
   │     └── trainval.txt    训练集+验证集(11540)

2. 接着通过索引在Annotations文件夹下找到对应的标注文件（.xml）。比如索引为2007_000323，那么在Annotations 文件夹中能够找到2007_000323.xml文件。如下图所示，在标注文件中包含了所有需要的信息，比如filename，通过该字段能够在JPEGImages 文件夹中能够找到对应的图片。size记录了对应图像的宽、高以及channel信息。每一个object代表一个目标，其中的name记录了该目标的类别名称，pose表示目标的姿势（朝向），truncated表示目标是否被截断（目标是否完整），difficult表示该目标的检测难易程度（0代表简单，1表示困难），bndbox记录了该目标的边界框信息。

3. 接着通过在标注文件中的filename字段在JPEGImages 文件夹中找到对应的图片。比如在2007_000323.xml文件中的filename字段为2007_000323.jpg，那么在JPEGImages 文件夹中能够找到2007_000323.jpg文件。

标注自己数据集

• 我们前面使用PASCAL VOC数据集（这个数据集已经给我们标注好了图片的xml信息） 通过 Faster R-CNN训练，能够预测该数据集中的20种类别。
• 但是实际中 我们自己的数据集可能有不同的类别，并且这些图片还没有标注（也就是还没有根据图片生成xml标记文件），所以我们需要自己确定好 自己数据集的类别，以及需要自己对图片标记，生成标记xml文件。并且这个xml文件的格式要和 PASCAL VOC数据集中的xml文件格式一致。

github标注图片的开源项目：https://github.com/HumanSignal/labelImg，这个开源项目可以生成xml文件。

使用流程：

1. 前提准备：需要有 Annotations 和 JPEGImages 两个文件夹，一个用于存放生成的xml文件，一个用于存放我们原始的图片。和一个数据集类别的txt文件。

2. 在上面三个文件的目录下，按住shift+右键，选择在此处打开powershell窗口，只有这样会进入conda的默认base环境下。下载并打开 labelImg，打开labelImg的时候，需要选择 生成 xml文件的文件夹，也就是第一步准备的Annotations文件夹。

# 下载工具
pip3 install labelImg
# 打开工具
labelImg
# 指定选项打开工具
# IMAGE_PATH为原始图片的路径。PRE-DEFINED CLASS FILE为我们数据集类别的txt文件
labelImg [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

3. 打开之后是这样子的。点击左侧的change Save dir选择保存xml的路径

4. 点击左侧的 Create RectBox 进行人工标记图片，并点击save保存
5. 这样我们就生成了自己图片的xml标记文件。

6. 把xml标记文件放到 Annotations中，把原始图片放到 JPEGImages中。注意还需要把 JPEGImages下的图片，按照一定的比例分成 训练集和 验证集，然后取标签文件名分别放到 train.txt 和 val.txt 中

VOCdevkit
    └── VOC2012
         ├── Annotations               所有的图像标注信息(XML文件)
         ├── ImageSets    
         │   ├── Action                人的行为动作图像信息
         │   ├── Layout                人的各个部位图像信息
         │   │
         │   ├── Main                  目标检测分类图像信息
         │   │     ├── train.txt       训练集(5717)
         │   │     ├── val.txt         验证集(5823)
         │   │     └── trainval.txt    训练集+验证集(11540)
         │   │
         │   └── Segmentation          目标分割图像信息
         │         ├── train.txt       训练集(1464)
         │         ├── val.txt         验证集(1449)
         │         └── trainval.txt    训练集+验证集(2913)
         │ 
         ├── JPEGImages                所有图像文件
         ├── SegmentationClass         语义分割png图（基于类别）
         └── SegmentationObject        实例分割png图（基于目标）

错误总结：
当使用 labelImg1.8.6 标记图片就闪退时。

1. 说明python版本太高了，解决方法为创建一个python版本为3.9的虚拟环境，在虚拟环境中安装打开labelimg
2. LabelImg的正常运行需要依赖一些库，如PyQt5、lxml等。如果这些依赖库没有正确安装或版本不兼容，也可能导致LabelImg闪退。