【目标检测数据集】VOC2012 数据集与 SBD dataset 介绍

一、介绍

VOC 数据是 PASCAL VOC Challenge 用到的数据集，官网：http://host.robots.ox.ac.uk/pascal/VOC/

备注：VOC数据集常用的均值为：mean_RGB=(122.67891434, 116.66876762, 104.00698793)

Pytorch 上通用的数据集的归一化指标为：mean=(0.485, 0.456, 0.406) , std=(0.229, 0.224, 0.225)

voc2012 官网：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/

VOC2012 数据集一共分为20类，加上背景一共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

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。

1. 图像分类与目标检测任务

1. 分割任务

注意，图像分割一般包括语义分割、实例分割和全景分割，实例分割是要把每个单独的目标用一种颜色表示（下图中间的图像），而语义分割只是把同一类别的所有目标用同一颜色表示（下图右侧的图片）。

1. 行为识别任务

1. 人体布局检测任务

二、文件夹介绍

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。

ImageSets

用于存放不同任务的划分的数据集。

• Action：文件夹中包含10类常见的人体动作 {jumping, phoning, playinginstrument, reading, ridingbike, ridinghorse, running, takingphoto, usingcomputer. walking}。 一共包含33个关于样本划分的文本文件。每个文件中一共有三列，依次为图片的名称、图片中object的index、label{1:正类样本, -1：负类样本}。

• Layout：用于预测人体的头、手、脚这三部分的bbox，并对bbox内的object分类。各文本文件都有2列，依次表示：图片名称、图片包含的人数。

• Main：包含63个文本文件，其中20个类的划分文件 [class_train.txt, class_trainval.txt, class_val.txt]，外加以一组全局样本的 [train.txt, trainval.txt, val.txt] 划分文件。每个文件都有两列：文件名、label[1:表示正类样本，-1：表示负类样本]。

• Segmentation：只包含一组 [train.txt, trainval.txt, val.txt] 文件，各文件只有1列，为图片名称。

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。

其余的具体可以查看 【目标检测数据集】VOC2007 数据集介绍 里面对每个文件的介绍

三、Augmented dataset

VOC 的 Augment dataset 也叫作SBD。

数据集介绍

增强版的VOC跟原版没什么区别，只是增加了数据。

• 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

数据转换

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。

# 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
# 在 benchmark_RELEASE 目录下执行 mat2png.py 脚本
python tools/mat2png.py cls cls_png

原始 label 为三通道RGB图像，为了统一，需要将其转化为8-bit的灰度png图像。

# 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
# 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

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

1. 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，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。

四、数据下载

【目标检测数据集】VOC2012 数据集与 SBD dataset 介绍

五、链接作者

欢迎关注我的公众号：@AI算法与电子竞赛

硬性的标准其实限制不了无限可能的我们，所以啊！少年们加油吧！