现在深度学习很多框架都在使用VOC数据集，来研究一下voc数据集的具体内容
一般voc解压出来后都包括Annotations,ImageSets,JPEFImages,SegmentationClass ,SegmentationObject;
Annotations中是放着所有图片的标记信息，以xml为后缀名。以分类检测的数据为例，打开ImageSets中的layout，会有train，trainval，val三个txt格式数据：
-
train很明显是训练数据（注意，均为图片名，没有后缀） -
val验证数据 -
trainval则是所有训练和验证数据 -
test测试数据
Anotation文件夹中包含了所有train和val的标记信息，标记信息均以xml结尾，其中，以(x,y)的格式保存坐标点.在实际应用中，要不把数据集改为voc形式，如果使用txt格式的annotations，则需要在代码中进行相应的修改。
而ImageSets中的Main文件夹中保存的是各类数据出现的统计。以areoplane为例，有三个相关文件aeroplane_train.txt,areoplane_val,areoplane_trainval.txt,以areoplain_train.txt为例，分为两列，第一列为图像名如00012（注意没有后缀），第二列为-1和1，-1表示目标在对应的图像没有出现，1则表示出现。
segmentationclass和segmentationobject中均为分割后的结果
