目标检测之-Caffe-SSD系列（一）数据的处理-PASCAL VOC

目标检测任务之数据的处理

参考：
CSDN博客表格的MD语法
PASCAL VOC数据集介绍

常见的目标检测数据集之PASCAL VOC
1 . PASCAL VOC数据集介绍

数据集名称	训练集（本地训）	测试集（本地测）
PASCAL VOC	2007 trainval + 2012 trainval(“07+12”)	2007 test

训练验证集和测试集比例为1:1

………	VOC2007（trainval）	VOC2007（test）	VOC2012（trainval）	VOC2012（test）
图片数	9963	约9963	11540	约11540

注：单独的VOC2012应该只包含08至12年的数据。

数据集英文标签（20类）	数据集中文标签（20类）
人	person
鸟，猫，牛，狗，马，羊	bird, cat, cow, dog, horse, sheep
飞机，自行车，船，巴士，汽车，摩托车，火车	aeroplane, bicycle, boat, bus, car, motorbike, train
瓶，椅子，餐桌，盆栽，沙发，电视/显示器	bottle, chair, dining table, potted plant, sofa, tv/monitor

PASCAL VOC类别的详细定义

2 . 检测任务Bounding Box标签
2.1 Bouding Box标注原则：
除非Bounding box必须扩大来包含物体（<5%），如说汽车上的天线，那么Bounding box必须只包含物体的可见部分，不包含预估部分。

2.2 标注信息
标注信息是以xml文件保存的，我们需要读取xml文件，然后将里面的信息读取出来。

创建xml文件可参考：https://github.com/TangShengqin/Fashion-AI/tree/master/LIP/GetAnnotationsXml.py

读取xml文件可参考：https://github.com/TangShengqin/Fashion-AI/blob/master/darknet/voc_label.py

import xml.etree.ElementTree as ET
tree=ET.parse(in_file) # 将xml文件解析成一个树结构的数据，然后依次解析出xml文件中的内容，保存为xxx.txt文件，里面记录了class, x_min, y_min, x_max, y_max