数据集下载在百度云盘:链接:https://pan.baidu.com/s/1FTjY-ISsDMu0vIypAQyDpg 提取码:fyxt
云盘里面有3个文件夹:VOC2012, VOC2012_test,SBD.tgz(表示SBD数据集,关于SBD数据集参考https://blog.csdn.net/zz2230633069/article/details/89335205)
补充介绍在http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html(官方)
和https://blog.csdn.net/u013832707/article/details/80060327
在VOC2012文件夹解压之后,语义分割方面的所关系的文件夹是
JPEGImage文件夹(包含了分割所要用的原图片),SegmentationClass文件夹(里面包含了分割所要用的标签图),SegmentationClass_aug文件夹(里面包含了分割所要用的标签图,融合了SBD数据集的扩充集),ImageSets文件夹下的Segmentation文件夹(里面包含了所需图片的图片名字的集合TXT文件)
JPEGImage文件夹:包含了所有的原图片总共17125张且shape=h x w x 3,mode=RGB,format=JPEG,大小不一致,像素范围是0~255.
SegmentationClass文件夹:包含了语义分割的所有标签图2913张,是处理前的标签图,shape=h x w x 3 , mode=P , format=PNG ,大小不一致,像素值就是下面给的彩色的RGB相对应的像素值,但是里面有其他的值比如有的边缘像素值是224x224x192.。
SegmentationClass_aug文件夹:包含了所有的语义标签图,处理过后的标签图,是灰度图,总共12031张,shape=h x w,mode=L,像素值范围就是标签值(从0~20共21类,背景是0),处理过程很简单,初始化一张全0的图,如果该位置的像素点是物体对应的RGB值,那么该位置就为该类的标签值。
ImageSets/Segmentation/train.txt:总共有1464行也就是1464张训练图片的名字
ImageSets/Segmentation/val.txt:总共有1449行也就是1449张验证图片的名字
ImageSets/Segmentation/trainval.txt:总共有2913行也就是2913张训练验证图片,上面两个的并集
ImageSets/Segmentation/train_aug.txt = voc_trian + sbd_train - 重复的图片
总共有8829行也就是8829张训练验证图片
ImageSets/Segmentation/train_aug_val.txt = voc_val - sbd_train(就是剔除掉已经是trian_aug里面的图片)
总共有904行也就是904张训练验证图片
ImageSets/Segmentation/val_aug.txt = voc_val + sbd_val - 重复的图片 - train_aug
总共有3202行也就是3202张训练验证图片
所以:采用官方数据集就是train.txt和val.txt,采用增强数据集就是train_aug.txt和val_aug.txt。原图全部直接来自JPEGImage,标签图全部来自SegmentationClass_aug
总共20类如下:
- 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
分布如下:
Below are training examples for the segmentation taster, each consisting of:
下面是类别与颜色的对应关系:一张标签图片总共有22种数字(0-20,255)其中0和255的颜色都是黑色RGB=(0,0,0),所以语义图总共有21种颜色,20个类别+黑色
- the training image
- the object segmentation
pixel indices correspond to the first, second, third object etc. - the class segmentation
pixel indices correspond to classes in alphabetical order (0=background, 1=aeroplane, 2=bicycle, 3=bird, 4=boat, 5=bottle, 6=bus, 7=car , 8=cat, 9=chair, 10=cow, 11=diningtable, 12=dog, 13=horse, 14=motorbike, 15=person, 16=potted plant, 17=sheep, 18=sofa, 19=train, 20=tv/monitor, 255='void' or unlabelled) - For both types of segmentation image, index 0 corresponds to background and index 255 corresponds to 'void' or unlabelled.