本文介绍了VOC数据集的构成，包括JPEGImages、Annotations、ImageSets等，强调其20类物体识别。同时，对比COCO数据集的高难度特点，如小目标多、多目标分布。还提到了COCO的数据量、80个类别和应用场景。最后，简述了RGB-D数据集，包括300类家庭物品、同步RGB和深度图像以及姿态信息，适用于场景理解和物体检测研究。
VOC数据集:(包含5个文件夹)
JPEGImages包含PASCAL VOC所提供的所有图片信息,包括训练图片和测试图片,以"年份_编号.jpg"格式命名.横向图尺寸大约在500*375左右,纵向图尺寸大约在375*500左右,基本偏差不会超过100,因为训练的第一步就是将图片resize到300*300或者500*500.
Annotations存放的是xml格式的标签文件,每个文件都对应JPEGImages文件夹的一张图片
ImageSets存放的是每一种类型的challenge对应的图像数据.其中Action下存放的是人的动作（例如running、jumping等等，这也是VOC challenge的一部分）
Layout下存放的是具有人体部位的数据（人的head、hand、feet等等，这也是VOC challenge的一部分）Main下存放的是图像物体识别的数据，总共分为20类。
最低0.47元/天 解锁文章
499
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
