PASCAL VOC 数据集的标注格式

PASCAL VOC 数据集的标注格式

PASCAL VOC 挑战赛 （ **The PASCAL Visual Object Classes ）是一个世界级的计算机视觉挑战赛。 PASCAL的全称是Pattern Analysis, Statistical Modelling and Computational Learning，很多优秀的计算机视觉模型比如分类，定位，检测，分割，动作识别等模型都是基于PASCAL VOC挑战赛及其数据集上推出的。

VOC 的全称是Visual Object Classes

第一届PASCAL VOC举办于2005年，然后每年一届，于2012年终止。

做深度学习目标检测、语义分割方面的工作都会接触到PASCAL VOC这个数据集，也许很少用到整个数据集，但是公开代码基本都是基于VOC或COCO数据格式书写代码，一般都会按照它的格式准备自己的数据集。所以针对PASCAL VOC的格式，包括目录构成以及各个文件夹的内容格式，进行详细讲解。方便以后利用VOC的标准格式制作自己的数据集，加快项目推进进度。

1、文件总体概述

总文件夹名称VOCdevkit （使用2012，2007太旧）

.

└── VOCdevkit #根目录

└── VOC2012 #不同年份的数据集，这里只下载了2012的，还有2007等其它年份的

├── Annotations #存放xml文件，与JPEGImages中的图片一一对应，解释图片的内容等等

├── ImageSets #该目录下存放的都是txt文件，txt文件中每一行包含一个图片的名称，末尾会加上±1表示正负样本

│ ├── Action #Action 动作识别，不牵扯

│ ├── Layout #Layout文件夹用于 person layout任务，不牵扯

│ ├── Main

└── train.txt #训练集

├── trainval.txt #训练集与验证集

├── val.txt #验证集

├── test.txt #测试集

│ └── Segmentation #语义分割

├── JPEGImages #存放源图片

├── SegmentationClass #存放的是图片，语义分割相关

└── SegmentationObject #存放的是图片，实例分割相关

2、文件的具体内容

※ Annotation文件夹存放的是xml文件，该文件是对图片的解释，每张图片都对于一个同名的xml文件。

※ ImageSets文件夹存放的是txt文件，这些txt将数据集的图片分成了各种集合。如Main下的train.txt中记录的是用于训练的图片集合。

※ JPEGImages文件夹存放的是数据集的原图片。

※ SegmentationClass以及SegmentationObject文件夹存放的都是图片，且都是图像分割结果图。

2.1、Annotation文件夹

Annotation文件夹的内容如下：

其中xml主要介绍了对应图片的基本信息，如来自那个文件夹、文件名、来源、图像尺寸以及图像中包含哪些目标以及目标的信息等等，内容如下：

• filename ：文件名

• source，owner：图片来源，及拥有者

• size：图片大小

• segmented：是否分割

• object：表明这是一个目标，里面的内容是目标的相关信息

  • name：object名称，20个类别
  • pose：拍摄角度：front, rear, left, right, unspecified
  • truncated：目标是否被截断（比如在图片之外），或者被遮挡（超过15%）
  • difficult：检测难易程度，这个主要是根据目标的大小，光照变化，图片质量来判断

• bndbox：bounding box 的左上角点和右下角点的4个坐标值。

---

<annotation>

<folder>VOC2012</folder> #表明图片来源

<filename>2007_000027.jpg</filename> #图片名称

<source> #图片来源相关信息

<database>The VOC2007 Database</database>

<annotation>PASCAL VOC2007</annotation>

<image>flickr</image>

</source>

<size> #图像尺寸

<width>486</width>

<height>500</height>

<depth>3</depth>

</size>

<segmented>0</segmented> #是否用于分割

<object> #包含的物体

<name>person</name> #物体类别

<pose>Unspecified</pose>

<truncated>0</truncated>

<difficult>0</difficult>

<bndbox> #物体的bbox

<xmin>174</xmin>

<ymin>101</ymin>

<xmax>349</xmax>

<ymax>351</ymax>

</bndbox>

<part> #物体的头

<name>head</name>

<bndbox>

<xmin>169</xmin>

<ymin>104</ymin>

<xmax>209</xmax>

<ymax>146</ymax>

</bndbox>

</part>

<part> #物体的手

<name>hand</name>

<bndbox>

<xmin>278</xmin>

<ymin>210</ymin>

<xmax>297</xmax>

<ymax>233</ymax>

</bndbox>

</part>

<part>

<name>foot</name>

<bndbox>

<xmin>273</xmin>

<ymin>333</ymin>

<xmax>297</xmax>

<ymax>354</ymax>

</bndbox>

</part>

<part>

<name>foot</name>

<bndbox>

<xmin>319</xmin>

<ymin>307</ymin>

<xmax>340</xmax>

<ymax>326</ymax>

</bndbox>

</part>

</object>

</annotation>

---

2.2、ImageSets文件夹

ImageSets包含如下四个子文件夹：

各个文件夹中存放的是各种用途的TXT文件。例如在Main文件夹下有名为aeroplane_train.txt的文件，顾名思义是用于飞机类别的训练数据。该txt的具体内容如下。

---

2008_000008

2008_000015

2008_000019

2008_000023

2008_000028

---

其中包含的train.txt以及trainval.txt等文件内容与上面类似，

train.txt和trainval.txt内容中光有图片的名字，不包含图片属性与路径信息。

2.3、JEPGImages文件夹

该文件夹存放的是数据集的所有源图片，内容如下：

2.4** 、 SegmentationClass 文件夹**

语义分割相关：

该文件夹存放的是数据集的所有源图片对应的标签图，注意的是标签是0，1，2，3……。

2.5、SegmentationObject文件夹

实例分割相关，注意的是标签是0，1，2，3…… ：