PASCAL VOC数据集分析

 
PASCAL VOC为图像识别和分类提供了一整套标准化的优秀的数据集,从2005年到2012年每年都会举行一场图像识别challenge。
本文主要分析PASCAL VOC数据集中和图像中物体识别相关的内容。
 
在这里采用PASCAL VOC2012作为例子。下载地址为:点击打开链接。(本文中的系统环境为ubuntu14.04)
下载完之后解压,可以在VOCdevkit目录下的VOC2012中看到如下的文件:

其中在图像物体识别上着重需要了解的是Annotations、ImageSets和JPEGImages。

JPEGImages
 
JPEGImages文件夹中包含了PASCAL VOC所提供的所有的图片信息,包括了训练图片和测试图片。
这些图像都是以“年份_编号.jpg”格式命名的。
图片的像素尺寸大小不一,但是横向图的尺寸大约在500*375左右,纵向图的尺寸大约在375*500左右,基本不会偏差超过100。(在之后的训练中,第一步就是将这些图片都resize到300*300或是500*500,所有原始图片不能离这个标准过远。)
这些图像就是用来进行训练和测试验证的图像数据。

Annotations

Annotations文件夹中存放的是xml格式的标签文件,每一个xml文件都对应于JPEGImages文件夹中的一张图片。
xml文件的具体格式如下:(对于2007_000392.jpg)
  1.  
    <annotation>
  2.  
    <folder>VOC2012</folder>
  3.  
    <filename>2007_000392.jpg</filename> //文件名
  4.  
    <source> //图像来源(不重要)
  5.  
    <database>The VOC2007 Database</database>
  6.  
    <annotation>PASCAL VOC2007</annotation>
  7.  
    <image>flickr</image>
  8.  
    </source>
  9.  
    <size> //图像尺寸(长宽以及通道数)
  10.  
    <width>500</width>
  11.  
    <height>332</height>
  12.  
    <depth>3</depth>
  13.  
    </size>
  14.  
    <segmented>1</segmented> //是否用于分割(在图像物体识别中01无所谓)
  15.  
    <object> //检测到的物体
  16.  
    <name>horse</name> //物体类别
  17.  
    <pose>Right</pose> //拍摄角度
  18.  
    <truncated>0</truncated> //是否被截断(0表示完整)
  19.  
    <difficult>0</difficult> //目标是否难以识别(0表示容易识别)
  20.  
    <bndbox> //bounding-box(包含左下角和右上角xy坐标)
  21.  
    <xmin>100</xmin>
  22.  
    <ymin>96</ymin>
  23.  
    <xmax>355</xmax>
  24.  
    <ymax>324</ymax>
  25.  
    </bndbox>
  26.  
    </object>
  27.  
    <object> //检测到多个物体
  28.  
    <name>person</name>
  29.  
    <pose>Unspecified</pose>
  30.  
    <truncated>0</truncated>
  31.  
    <difficult>0</difficult>
  32.  
    <bndbox>
  33.  
    <xmin>198</xmin>
  34.  
    <ymin>58</ymin>
  35.  
    <xmax>286</xmax>
  36.  
    <ymax>197</ymax>
  37.  
    </bndbox>
  38.  
    </object>
  39.  
    </annotation>
对应的图片为:
 
ImageSets

ImageSets存放的是每一种类型的challenge对应的图像数据。
在ImageSets下有四个文件夹:
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。
Segmentation下存放的是可用于分割的数据。

在这里主要考察Main文件夹。
Main文件夹下包含了20个分类的***_train.txt、***_val.txt和***_trainval.txt。
这些txt中的内容都差不多如下:
前面的表示图像的name,后面的1代表正样本,-1代表负样本。
_train中存放的是训练使用的数据,每一个class的train数据都有5717个。
_val中存放的是验证结果使用的数据,每一个class的val数据都有5823个。
_trainval将上面两个进行了合并,每一个class有11540个。
需要保证的是train和val两者没有交集,也就是训练数据和验证数据不能有重复,在选取训练数据的时候 ,也应该是随机产生的。
 
SegmentationClass和SegmentationObject

这两个文件夹下保存了物体分割后的图片,在物体识别中没有用到,在这里不做详细展开。

接下来需要研究的是如何自己生成训练数据和测试数据,将在下一篇中阐述。
 
转载:https://blog.csdn.net/zhangjunbob/article/details/52769381
posted @ 2022-06-07 11:07  海_纳百川  阅读(199)  评论(0编辑  收藏  举报
本站总访问量