三、计算机视觉_10经典的数据集与目标检测数据标注格式

1、三大经典的数据集

在计算机视觉领域中，有三个非常著名且常用的数据集，分别是ImageNet、MS COCO和PASCAL VOC

1.1 ImageNet

• 来源：由斯坦福大学的研究者李飞飞等人领导的团队创建
• 分类数量：包含1000个类别，每个类别大约有1000张图像，总共超过100万张经过标注的图像
• 用途：主要用于图像分类任务，但也被用于其他任务，如目标检测和深度学习模型的预训练
• 特点：ImageNet数据集的规模和多样性使其成为计算机视觉领域，尤其是深度学习领域中最重要的数据集之一，它推动了图像识别技术的发展，并被用于一年一度的ImageNet大规模视觉识别挑战（ILSVRC）

1.2 MS COCO

• 来源： 微软于2014年出资标注的Microsoft COCO数据集（Microsoft Common Objects in Context）

• 分类数量：包含80个类别，超过33万张图片，其中20万张有标注，整个数据集中个体的数目超过150万个，覆盖了日常生活中的常见物体

• 用途：支持多种视觉任务，包括目标检测、实例分割、语义分割和关键点检测

• 特点：MS COCO数据集以其复杂的日常场景和详尽的标注而闻名。它不仅提供了目标的边界框，还包括了目标的分割掩码和关键点标注，适合进行更高级的计算机视觉任务。

1.3 PASCAL VOC

• 来源： 由欧盟资助的PASCAL2 Network of Excellence on Pattern Analysis, Statistical Modelling and Computational Learning项目

• 分类数量：包含20个类别，11530张图片，总共27450个ROI标注对象和6929个分割标注

• 用途：最初是为了图像分类任务而创建的，后来扩展到目标检测、实例分割和语义分割任务

• 特点：PASCAL VOC数据集是计算机视觉领域较早的数据集之一，对目标检测技术的发展有重要影响，它包含的图像数量相对较少，但每个图像都经过了精心的标注，适合用于算法的验证和测试

2、三种经典的目标检测数据标注格式

目标检测的数据标注格式对于训练和评估目标检测模型至关重要，它提供了一种标准化的方式来定义图像中目标对象的位置，从而帮助模型更好地学习和识别目标物体，以此提高算法的准确性和泛化能力‌

常见的数据标注格式有yolo（.txt）、coco（.json）、voc（.xml）这三种，三种格式之间也可以通过一定的代码进行互相转换

2.1 YOLO格式

• 文件类型：使用.txt文件存储标注信息
• 坐标表示：使用相对坐标，通过cls_id, x_center, y_center, w, h表示，