PASCAL VOC数据集分析
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。
①JPEGImages
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。
②Annotations
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）
-
<annotation>
-
<folder>VOC2012
</folder>
-
<filename>2007_000392.jpg
</filename> //文件名
-
<source> //图像来源（不重要）
-
<database>The VOC2007 Database
</database>
-
<annotation>PASCAL VOC2007
</annotation>
-
<image>flickr
</image>
-
</source>
-
<size> //图像尺寸（长宽以及通道数）
-
<width>500
</width>
-
<height>332
</height>
-
<depth>3
</depth>
-
</size>
-
<segmented>1
</segmented> //是否用于分割（在图像物体识别中01无所谓）
-
<object> //检测到的物体
-
<name>horse
</name> //物体类别
-
<pose>Right
</pose> //拍摄角度
-
<truncated>0
</truncated> //是否被截断（0表示完整）
-
<difficult>0
</difficult> //目标是否难以识别（0表示容易识别）
-
<bndbox> //bounding-box（包含左下角和右上角xy坐标）
-
<xmin>100
</xmin>
-
<ymin>96
</ymin>
-
<xmax>355
</xmax>
-
<ymax>324
</ymax>
-
</bndbox>
-
</object>
-
<object> //检测到多个物体
-
<name>person
</name>
-
<pose>Unspecified
</pose>
-
<truncated>0
</truncated>
-
<difficult>0
</difficult>
-
<bndbox>
-
<xmin>198
</xmin>
-
<ymin>58
</ymin>
-
<xmax>286
</xmax>
-
<ymax>197
</ymax>
-
</bndbox>
-
</object>
-
</annotation>
③ImageSets
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。
④SegmentationClass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。