1. 简介
PASCAL VOC-Pattern Analysis Statical Modeling 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，尤其是一些目标检测模型（比如大名鼎鼎的R CNN系列，以及后面的YOLO，SSD等）
2. 数据集
2.1 数据集分类
PASCAL VOC数据集共有4大类，vehicle ,household, animal, person，20小类，下图中黑色加粗字体所示
数据集主要关注分类和检测任务
2.2 数据量
现在研究常用的数据集是VOC2007和VOC2012，VOC07包含9963张图片，总共24640物体，VOC12包含23080张图片，总共54900物体，两者对比如下：
黑色字体所示数字是官方给定的，由于VOC2012数据集中 test 部分没有公布，因此红色字体所示数字为估计数据，按照PASCAL 通常的划分方法，即 trainval 与test 各占总数据量的一半
3. 标注信息格式
标注信息，采用xml文件格式组织如下，参考官网标注信息官网
<annotation>
- filename 文件名
- size 图片尺寸
- segmented 是否分割
- object 表明是否是一个目标，包含了目标的详细信息
- name 20类别之一
- pose 拍摄角度 left right front rear 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，主要依据目标大小，光照变化，图片质量来判断的，图中用虚线dashed来标识
- bndbox bounding box左上角和右下角的4个坐标值
4. 提交格式
4.1 classfication task
每一类都有一个txt文件，里面每一行都是测试集中的一张图片，前面一列是图片名称，后面一列是预测的分数。
comp1_cls_test_car.txt:
000004 0.702732
000006 0.870849
000008 0.532489
000018 0.477167
000019 0.1124264.2 object detection task
里面每一行都是测试集中的一张图片，每行的格式按照如下方式组织，confidence用来计算mAP
<image identifier> <confidence> <left> <top> <right> <bottom>comp3_det_test_car.txt:
000004 0.702732 89 112 516 466
000006 0.870849 373 168 488 229
000006 0.852346 407 157 500 213
000006 0.914587 2 161 55 221
000008 0.532489 175 184 232 2015. 评估标准
PASCAL的评估指标是mAP
PASCAL官方给了评估脚本mAP的脚本和示例代码development kit code and documentation，是用MATLAB写的
6. 数据集组织形式
数据集下载
# Download the data.
cd $HOME/data
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
# Extract the data.
tar -xvf VOCtrainval_11-May-2012.tar
tar -xvf VOCtrainval_06-Nov-2007.tar或者支直接点击下面链接下载：
- Download the training/validation data (450MB tar file)
- Download the annotated test data (430MB tar file)
上面的解压命令会将VOC2007的trainval和test解压到一块，数据会混在一起，如果不想，可以自己指定解压路径。以VOC 2007 为例，解压后的文件：
.
├── Annotations 进行detection 任务时的 标签文件，xml文件形式
├── ImageSets 存放数据集的分割文件，比如train，val，test
├── JPEGImages 存放 .jpg格式的图片文件
├── SegmentationClass 存放 按照class 分割的图片
└── SegmentationObject 存放 按照 object 分割的图片Annotation文件夹，以xml 文件的形式，存放标签文件，文件内容如前述，文件名与图片名是一样的，6位整数
.
├── 000001.xml
├── 000002.xml
├── 000003.xml
├── 000004.xml
……
……
……
├── 009962.xml
└── 009963.xml
ImageSets文件夹，包含三个子文件夹，Layout, Main, Segmentation, 其中Main文件夹存放的是用于分类和检测的数据集分割文件，Layout文件夹用于 person layout任务，Segmentation用于分割任务
.
├── Layout
│ ├── test.txt
│ ├── train.txt
│ ├── trainval.txt
│ └── val.txt
├── Main
│ ├── aeroplane_test.txt
│ ├── aeroplane_train.txt
│ ├── aeroplane_trainval.txt
│ ├── aeroplane_val.txt
│ ├── bicycle_test.txt
│ ├── bicycle_train.txt
│ ├── bicycle_trainval.txt
│ ├── bicycle_val.txt
│ ├── bird_test.txt
│ ├── bird_train.txt
│ ├── bird_trainval.txt
│ ├── bird_val.txt
│ ├── boat_test.txt
│ ├── boat_train.txt
│ ├── boat_trainval.txt
│ ├── boat_val.txt
│ ├── bottle_test.txt
│ ├── bottle_train.txt
│ ├── bottle_trainval.txt
│ ├── bottle_val.txt
│ ├── bus_test.txt
│ ├── bus_train.txt
│ ├── bus_trainval.txt
│ ├── bus_val.txt
│ ├── car_test.txt
│ ├── car_train.txt
│ ├── car_trainval.txt
│ ├── car_val.txt
│ ├── cat_test.txt
│ ├── cat_train.txt
│ ├── cat_trainval.txt
│ ├── cat_val.txt
│ ├── chair_test.txt
│ ├── chair_train.txt
│ ├── chair_trainval.txt
│ ├── chair_val.txt
│ ├── cow_test.txt
│ ├── cow_train.txt
│ ├── cow_trainval.txt
│ ├── cow_val.txt
│ ├── diningtable_test.txt
│ ├── diningtable_train.txt
│ ├── diningtable_trainval.txt
│ ├── diningtable_val.txt
│ ├── dog_test.txt
│ ├── dog_train.txt
│ ├── dog_trainval.txt
│ ├── dog_val.txt
│ ├── horse_test.txt
│ ├── horse_train.txt
│ ├── horse_trainval.txt
│ ├── horse_val.txt
│ ├── motorbike_test.txt
│ ├── motorbike_train.txt
│ ├── motorbike_trainval.txt
│ ├── motorbike_val.txt
│ ├── person_test.txt
│ ├── person_train.txt
│ ├── person_trainval.txt
│ ├── person_val.txt
│ ├── pottedplant_test.txt
│ ├── pottedplant_train.txt
│ ├── pottedplant_trainval.txt
│ ├── pottedplant_val.txt
│ ├── sheep_test.txt
│ ├── sheep_train.txt
│ ├── sheep_trainval.txt
│ ├── sheep_val.txt
│ ├── sofa_test.txt
│ ├── sofa_train.txt
│ ├── sofa_trainval.txt
│ ├── sofa_val.txt
│ ├── test.txt
│ ├── train_test.txt
│ ├── train_train.txt
│ ├── train_trainval.txt
│ ├── train.txt
│ ├── train_val.txt
│ ├── trainval.txt
│ ├── tvmonitor_test.txt
│ ├── tvmonitor_train.txt
│ ├── tvmonitor_trainval.txt
│ ├── tvmonitor_val.txt
│ └── val.txt
└── Segmentation
├── test.txt
├── train.txt
├── trainval.txt
└── val.txt
3 directories, 92 files主要介绍一下Main文件夹中的组织结构，先来看以下这几个文件：
├── Main
│ ├── train.txt 写着用于训练的图片名称 共2501个
│ ├── val.txt 写着用于验证的图片名称 共2510个
│ ├── trainval.txt train与val的合集 共5011个
│ ├── test.txt 写着用于测试的图片名称 共4952个里面的文件内容是下面这样的：以train.txt文件为例
000012
000017
000023
000026
000032
000033
000034
000035
000036
000042
……
……
009949
009959
009961就是对数据库的分割，这一部分图片用于train，其他的用作val，test等。
Main中剩下的文件很显然就是每一类别在train或val或test中的ground truth，这个ground truth是为了方便classification 任务而提供的；如果是detection的话，使用的是上面的xml标签文件。
├── Main
│ ├── aeroplane_test.txt 写着用于训练的图片名称 共2501个，指定正负样本
│ ├── aeroplane_train.txt 写着用于验证的图片名称 共2510个，指定正负样本
│ ├── aeroplane_trainval.txt train与val的合集 共5011个，指定正负样本
│ ├── aeroplane_val.txt 写着用于测试的图片名称 共4952个，指定正负样本
……
……里面文件是这样的（以aeroplane_train.txt为例）：
000012 -1
000017 -1
000023 -1
000026 -1
000032 1
000033 1
000034 -1
000035 -1
000036 -1
000042 -1
……
……
009949 -1
009959 -1
009961 -1
前面一列是训练集中的图片名称，这一列跟train.txt文件中的内容是一样的，后面一列是标签，即训练集中这张图片是不是aeroplane，是的话为1，否则为-1.
其他所有的 (class)_(imgset).txt 文件都是类似的。
- (class)_train 存放的是训练使用的数据，每一个class都有2501个train数据。
- (class)_val 存放的是验证使用的数据，每一个class都有2510个val数据。
- (class)_trainval 将上面两个进行了合并，每一个class有5011个数据。
- (class)_test 存放的是测试使用的数据，每一个class有4952个test数据。
所有文件都 指定了正负样本，每个class的实际数量为正样本的数量，train和val两者没有交集。
VOC2012 的数据集组织结构是类似的，不一样的地方在于VOC2012 中没有 test类的图片和以及相关标签和分割文件，因为这部分数据 VOC2012没有公布。
1293
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
