语义分割之VOC2012、Cityscapes数据集介绍

PASCAL-VOC2012

• PASCAL-VOC2012数据集介绍官网： 参考
• 数据集下载地址：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar

VOC2012数据集分为20类，包括背景为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

这里只说与图像分割（segmentation）有关的信息，VOC2012中的图片并不是都用于分割，用于分割比赛的图片实例如下，包含原图以及图像分类分割和图像物体分割两种png图。图像分类分割是在20种物体中，ground-turth图片上每个物体的轮廓填充都有一个特定的颜色，一共20种颜色，比如摩托车用红色表示，人用绿色表示。而图像物体分割则仅仅在一副图中生成不同物体的轮廓颜色即可，颜色自己随便填充。

VOC2012数据集的代码结构如下：

1. Annotation中包含了对应图片的xml信息：

我们以下面的2007_000032.jpg为例

其Annotation中对应的xml信息为：

xml信息包含了该图片的基本信息，xml语言很易读，我们从中可以轻易得出这幅图片的一些基本信息，其中segmented一栏为1，这里的意思是这幅图用于分割（因为VOC2012中一共有10000+图，但并不都用于分割任务，有的用以物体标识或者动作识别等），若这一栏为0说明这幅图不是用于图像分割的。例如

2. ImageSets中有用的部分为Segmentation文件：

因为VOC2012中的图片并不是都用于分割，所以需要txt文件信息来标记处哪些图片可以用于分割，写程序的时候就可以利用信息 train.txt 对图片进行挑选。train和val中的图片加一起一共2913张图。

3. JPEGimages中存放正常样本图片：

JPEGimages则放了我们需要的图片，这些图片一共有17125张，我们并不是都使用，我们仅对train.txt和val.txt中列出的图像进行使用，而其他的图像则用于不同的任务中。

4. SegmentationClass中的png图用于图像的语义分割

SegmentationClass中的png图用于图像语义分割，下图中有两类物体，人和飞机，其中飞机和人都对应着特定的颜色，注意该文件夹中的图片为三通道彩色图，与之前单通道的灰度图不同。png图中对物体的分类像素不是0-20，而是对应着不同的RGB分量

5. 而SegmentationObject中的png图则不仅仅对图中不同的类别进行的分类，对其同一类别的不同物体也要分割——实例分割：

显然，上面的很多人都被标记了不同的颜色，当然仅仅是为了分离出来。

参考：https://blog.csdn.net/haoji007/article/details/80361587

---

Cityscapes

• 数据集下载法1（百度云）： https://pan.baidu.com/s/108_NgFheDIpnQRrwz5uhmw ， 提取码：dhr8
• 数据集下载法2（命令行，可以直接linux系统操作）

1. 登录Cityscapes官网（网址），注册并登录
2. 将下面命令中的myusername、mypassword替换自己的账号和密码
   wget --keep-session-cookies --save-cookies=cookies.txt --post-data 'username=myusername&password=mypassword&submit=Login' https://www.cityscapes-dataset.com/login/
3. 使用提供的ID下载对应数据集（语义分割一般用1,3）
   wget --load-cookies cookies.txt --content-disposition https://www.cityscapes-dataset.com/file-handling/?packageID=1
   ID与数据集对照表：
   1 -> gtFine_trainvaltest.zip (241MB)
   2 -> gtCoarse.zip (1.3GB)
   3 -> leftImg8bit_trainvaltest.zip (11GB)
   4 -> leftImg8bit_trainextra.zip (44GB)
   8 -> camera_trainvaltest.zip (2MB)
   9 -> camera_trainextra.zip (8MB)
   10 -> vehicle_trainvaltest.zip (2MB)
   11 -> vehicle_trainextra.zip (7MB)
   12 -> leftImg8bit_demoVideo.zip (6.6GB)
   28 -> gtBbox_cityPersons_trainval.zip (2.2MB)

• 解压leftImg8bit_trainvaltest，gtFine_trainvaltest后，目录结构如下：
  

• 该数据集包含精标数据5000份,图片数据存放在“leftImg8bit”目录下，训练集和验证集的语义ground truth放在“gtFine”目录下

1. 其中图片尺寸： 1024*2048；
2. 训练集: 2975， 验证集: 500， 测试集: 1525；
3. 总共类别数目为：包括未标注的0类，总共35类, 其中的labels说明如下图：
   
   注意到上图中“ignoreInEval”列含有16类在测试集上进行计算时需要忽略，所以总共有19类，关于语义分割任务。

• 在leftImg8bit/train下有18个子文件夹对应德国的16个城市，法国一个城市和瑞士一个城市；在leftImg8bit/val下有3个子文件夹对应德国的3个城市；在leftImg8bit/test下有6个子文件夹对应德国的6个城市。
  
• 在gtFine/train下也有18个子文件夹对应leftImg8bit/train里面的文件夹，但是不一样的leftImg8bit里面的一张原图，对应着gtFine里面有4个文件
  
  分别为
  
  1. gtFine_color.png是为了可视化，不同类别与色彩的对应关系也在labels.py文件中给出

2. gtFine_instaceIds.png是实例分割的结果，即对同一类中的不同个体进行区分;

3. gtFine_labelIds.png的值是0-33，不同的值代表不同的类，值和类的对应关系在代码中cityscapesscripts/helpers/labels.py中定义;

4.gtFine_polygons.json存储的标注的第一手数据，即类（“label”: “sky”,“building”,“sidewalk”,等）及其在图像中对应的区域（由多边形"polygon"顶点在图像中的像素坐标给出的封闭区域）;