D基础_VOC2007 解析

一个人看小丸子

已于 2022-09-05 16:08:59 修改

阅读量690

点赞数 2

分类专栏： Python # D基础文章标签： matlab 计算机视觉开发语言

于 2022-09-05 16:08:00 首次发布

本文链接：https://blog.csdn.net/wuhaotongxue/article/details/126707183

版权

Python 同时被 2 个专栏收录

29 篇文章 0 订阅

订阅专栏

D基础

1 篇文章 0 订阅

订阅专栏

VOC 数据集解析 VOC2007 解析

VOC 数据是 PASCAL VOC Challenge 用到的数据集,官网

这里以常用的 VOC2007 数据集作为代表来讲解一下 VOC 数据集

1. 下载数据

官网:

http://host.robots.ox.ac.uk/pascal/VOC/voc2007/index.html

训练集/验证集:
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar

DevKit:
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

带有标记的测试集:
http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar

这里说明一下,VOC 官方给出的数据集中,只有 VOC2007 是给出了带有标记的测试集的

其他年份的数据集是没有 Anotated test data 的

那么下载完成后得到如下压缩包:

在这里插入图片描述

分开来讲这三个包:

2. VOCdevikit:

其实就是 development kit code and documentation ,开发工具包代码和文档,换句话说就是怎么做出这个数据集的一些代码,和关于此数据集的说明书.解压后如下:

VOCdevkit_08-Jun-2007

得到一个 VOCdevkit,再打开里面:
在这里插入图片描述

如图所示,就是一些 MATLAB 代码,就是用这些代码处理的这个数据集,基本上没什么用,唯一可以看看的就是那个 devkit_doc.pdf, 就是 一个比较详细的说明书,有兴趣可以自己看看,比较细.

总结起来,这个压缩包对于我们使用数据并没有什么用…,因为真正的图片并没有装在这里面,所以其实可下可不下；

3、VOCtrainval_06-Nov-2007,

这就是我们的训练集和验证集,解压后如下:

VOCtrainval_06-Nov-2007

同样也是一个 VOCdevkit,然后打开

里面便是 VOC2007,再点开,就得到 5 个文件夹:
在这里插入图片描述

这就是我们需要搞清楚的 5 个文件夹了,

A. Annotations

字面意思,就是标注信息,打开之后全是 xml 文件,文件名就是图像名称,
在这里插入图片描述

每个文件里面有该图片的一些标注信息,训练时要用的 label 信息其实就来源于此文件夹

<annotation>
	<folder>VOC2007</folder>
	<filename>000005.jpg</filename>
	<source>
		<database>The VOC2007 Database</database>
		<annotation>PASCAL VOC2007</annotation>
		<image>flickr</image>
		<flickrid>325991873</flickrid>
	</source>
	<owner>
		<flickrid>archintent louisville</flickrid>
		<name>?</name>
	</owner>
	<size>
		<width>500</width>
		<height>375</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>chair</name>
		<pose>Rear</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>263</xmin>
			<ymin>211</ymin>
			<xmax>324</xmax>
			<ymax>339</ymax>
		</bndbox>
	</object>
	<object>
		<name>chair</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>165</xmin>
			<ymin>264</ymin>
			<xmax>253</xmax>
			<ymax>372</ymax>
		</bndbox>
	</object>
	<object>
		<name>chair</name>
		<pose>Unspecified</pose>
		<truncated>1</truncated>
		<difficult>1</difficult>
		<bndbox>
			<xmin>5</xmin>
			<ymin>244</ymin>
			<xmax>67</xmax>
			<ymax>374</ymax>
		</bndbox>
	</object>
	<object>
		<name>chair</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>241</xmin>
			<ymin>194</ymin>
			<xmax>295</xmax>
			<ymax>299</ymax>
		</bndbox>
	</object>
	<object>
		<name>chair</name>
		<pose>Unspecified</pose>
		<truncated>1</truncated>
		<difficult>1</difficult>
		<bndbox>
			<xmin>277</xmin>
			<ymin>186</ymin>
			<xmax>312</xmax>
			<ymax>220</ymax>
		</bndbox>
	</object>
</annotation>

B.ImageSets

这个文件夹值得好好看一下,从名称可以猜到,这个是文件夹是图像集合 ,

点开之后有 3 个文件夹:Layout 、 Main、 Segmentation

在这里插入图片描述

为什么会有 3 个文件夹呢,这其实对应的是 VOC challenge 3 类不同的任务！！！

VOC challenge 的 Main task,其实是 classification 和 detection,

所以在 Main 文件夹中,包含的就是这两个任务要用到的图像集合！

此外还有两个 taster tasks :Layout 和 Segmentation,

这两个任务也有各自需要用到的图像,就分别存于两个文件夹中

所以这 3 个文件夹中包含的是 3 类不同的任务需要用到的不同的图片集合

我们可以点开看一看,比如点开 Layout,会有 train.txt 、trainval.txt 、val.txt:

点开 Segmentation,也有 train.txt 、trainval.txt、 val.txt:
在这里插入图片描述

这三个文本文档中,写的是图像的 ID 号码 ,

train 表示的是训练集,val 表示的是验证集, trainval 是把前两者写到了一起,

Main 文件夹单独讲一下:

在这里插入图片描述

如图,打开之后有很多文本文档,一共有 63 个,这 63 个怎么来的呢？

首先你可以从中找到 train.txt、 trainval.txt、 val.txt 这 3 个,就如同前面两个文件夹一样,这三个文本文档肯定是有的,意思也是一样的.

在这里插入图片描述

还有 20 个是怎么来的？那就是 20 个类:

• person

• bird, cat, cow, dog, horse, sheep

• aeroplane, bicycle, boat, bus, car, motorbike, train

• bottle, chair, dining table, pottedplant, sofa, tv/monitor

一共 20 个类别,每个类别有该类的类别名_train.txt 类别名__trainval.txt 类别名___val.txt 这 3 个文本,则 20 x 3 = 60,

加上上面的 3 个,就是 63 个文本文档.

注意一点,这里面有三个文本文档名字是:train_train.txt 、train_trainval.txt 、train_val.txt,

下划线前面的 train 是 ‘火车’, 下划线后面的 train 才是‘训练’,千万不要混到一起了

然后打开这些子类的文本文档的时候,会稍显不同,

比如打开 **aeroplane_train.txt （飞机）**和 bicycle_train.txt （ 自行车）和 train.txt,

你会发现它们都有 2501 行,是说此任务训练集图片共有 2501 个

在这里插入图片描述

只不过 aeroplane_train.txt 和 bicycle_train.txt 每一行的图像 ID 后面还跟了一个数字,

要么是 -1, 要么是 1,有时候也可能会 出现 0.

在这里插入图片描述

意义如下:

-1 表示当前图像中,没有该类物体；

1 表示当前图像中有该类物体；

0 的话,我看了几张标 0 的图像,似乎是说当前图像中,该类物体只露出了一部分.

所以我们在做训练时,读取图像的时候,其实就是先从这个 ImageSets 文件夹中,找到对应任务的子文件夹,

然后读取其中 txt 文本文档的图像 ID 号码 , 按照这个 ID 号码去找图像,从哪儿找呢？就在下一个文件夹中:

C、JPEGImages

字面意思,就是装的图片,点开之后全是 jpg 图片,

ImageSets 中文本文档记录的图像编号的所有图片,都装在这一个文件夹中了,

所以我们要先通过读取不同文本中的图像 ID（因为不同任务的需求）,然后才来根据 ID 在这 JPEGImages 读取实体图像.

共有 5011 张个图像.

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-UqjdlqXo-1662364632988)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20220905155251472.png)]$

D、SegmentationClass

这个图像中装的是专门为 Segmentation 任务做的一个文件夹,里面存放的是 Segmentation 任务的 label 信息,

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-apXMZA65-1662364632989)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20220905155312614.png)]$