简介:
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全称:Pattern Analysis,Statical Modeling and Computational Learning,是一个由欧盟资助的网络组织。
PASCAL VOC挑战赛主要包括以下几类:1.Aeroplane
2.Bicycle
3.Boat
4.Bus
5.Car
6.Motorbike
7.Train
8.Bottle
9.Chair
10.Dining table
11.Potted plant
12.Sofa
13.TV/Monitor
14.Bird
15.Cat
16.Cow
17.Dog
18.Horse
19.Sheep
20.Person
图像分类(Object Classification),目标检测(Object Detection),目标分割(Object Segmentation),动作识别(Action Classification)等。
PASCAL VOC2012数据集:
数据集文件目录结构
VOCdevkit
└── VOC2012
├── Annotations 所有的图像标注信息(XML文件)
├── ImageSets
│ ├── Action 人的行为动作图像信息
│ ├── Layout 人的各个部位图像信息
│ │
│ ├── Main 目标检测分类图像信息
│ │ ├── train.txt 训练集(5717)
│ │ ├── val.txt 验证集(5823)
│ │ └── trainval.txt 训练集+验证集(11540)
│ │
│ └── Segmentation 目标分割图像信息
│ ├── train.txt 训练集(1464)
│ ├── val.txt 验证集(1449)
│ └── trainval.txt 训练集+验证集(2913)
│
├── JPEGImages 所有图像文件
├── SegmentationClass 语义分割png图(基于类别)
└── SegmentationObject 实例分割png图(基于目标)
# train.txt、val.txt和trainval.txt文件里记录的是对应标注文件的索引,每一行对应一个索引信息
如何使用数据集中目标检测的数据:
首先在Main文件中,读取对应的txt文件(注意,在Main文件夹里除了train.txt、val.txt和trainval.txt文件外,还有针对每个类别的文件,例如bus_train.txt、bus_val.txt和bus_trainval.txt)。比如使用train.txt中的数据进行训练,那么读取该txt文件,解析每一行。上面说了每一行对应一个标签文件的索引。
├── Main 目标检测分类图像信息
│ ├── train.txt 训练集(5717)
│ ├── val.txt 验证集(5823)
│ └── trainval.txt 训练集+验证集(11540)
接着通过索引在Annotations文件夹下找到对应的标注文件(.xml)。比如索引为2007_000323,那么在Annotations文件夹中能够找到2007_000323.xml文件。如下图所示,在标注文件中包含了所有需要的信息,比如filename,通过在字段能够在JPEGImages文件夹中能够找到对应的图片。size记录了对应图像的宽、高以及channel信息。每一个object代表一个目标,其中的name记录了该目标的名称,pose表示目标的姿势(朝向),truncated表示目标是否被截断(目标是否完整),difficult表示该目标的检测难易程度(0代表简单,1表示困难),bndbox记录了该目标的边界框信息。
接着通过在标注文件中的
filename
字段在JPEGImages
文件夹中找到对应的图片。比如在2007_000323.xml
文件中的filename
字段为2007_000323.jpg
,那么在JPEGImages
文件夹中能够找到2007_000323.jpg
文件。
如何使用该数据集中语义分割的数据
- 首先在Segmentarion文件中,读取对应的txt文件。比如使用
train.txt
中的数据进行训练,那么读取该txt文件,解析每一行,每一行对应一个图像的索引。
└── Segmentation 目标分割图像信息
├── train.txt 训练集(1464)
├── val.txt 验证集(1449)
└── trainval.txt 训练集+验证集(2913)
- 根据索引在
JPEGImages
文件夹中找到对应的图片。还是以2007_000323
为例,可以找到2007_000323.jpg
文件。- 根据索引在
SegmentationClass
文件中找到相应的标注图像(.png)。还是以2007_000323
为例,可以找到2007_000323.png
文件。
注意,在语义分割中对应的标注图像(.png)用PIL的Image.open()函数读取时,默认是P模式,即一个单通道的图像。在背景处的像素值为0,目标边缘处用的像素值为255(训练时一般会忽略像素值为255的区域),目标区域内根据目标的类别索引信息进行填充,例如人对应的目标索引是15,所以目标区域的像素值用15填充。
Pascal VOC数据集中各目标类别名称与类别索引对应关系:
{
"background": 0,
"aeroplane": 1,
"bicycle": 2,
"bird": 3,
"boat": 4,
"bottle": 5,
"bus": 6,
"car": 7,
"cat": 8,
"chair": 9,
"cow": 10,
"diningtable": 11,
"dog": 12,
"horse": 13,
"motorbike": 14,
"person": 15,
"pottedplant": 16,
"sheep": 17,
"sofa": 18,
"train": 19,
"tvmonitor": 20
}
创建自己的数据集:
标注图像软件:https://github.com/tzutalin/labelImg
参考:https://blog.csdn.net/qq_37541097/article/details/115787033