很多深度学习框架都是用VOC数据集格式，例如YOLO。
一般voc解压出来后都包括Annotations, ImageSets, JPEFImages, SegmentationClass , SegmentationObject;
1. Annotations：
主要存放xml文件，每一个xml对应一张图像，并且每个xml中存放的是标记的各个目标的位置和类别（C=20）信息，命名通常与对应的原始图像一样。其中，以（x,y）的格式保存坐标点。
2. ImageSets：打开ImageSets中的layout，会有train，val, trainval三个txt格式数据，：
（1） train：训练数据（注意，均为图片名，没有后缀）
（2）val：验证数据
（3）trainval：所有训练和验证数据
（4）test：测试数据
而ImageSets中的Main文件夹中存放的是一些文本文件。以areoplane为例，有三个相关文件aeroplane_train.txt,areoplane_val,areoplane_trainval.txt。里面的内容是需要用来训练或测试的图像的名字（无后缀无路径）。以areoplain_train.txt为例，分为两列，第一列为图像名如00012，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。
我们只需要用到Main文件夹，这里面存放的是一些文本文件，通常为train.txt、test.txt等，该文本文件里面的内容是需要用来训练或测试的图像的名字（无后缀无路径）
3. JPEGImages：文件夹中放我们已按统一规则命名好的原始图像。
4. s
egmentationclass和segmentationobject中均为分割后的结果