PASCAL VOC proporciona un conjunto completo de conjuntos de datos estandarizados y excelentes para el reconocimiento y la clasificación de imágenes De 2005 a 2012, se llevará a cabo un desafío de reconocimiento de imágenes todos los años. Podemos descargar el conjunto de datos de VOC desde la dirección de descarga del conjunto de datos de VOC aquí , que se divide principalmente en dos años: 2007 y 2012.
Una vez finalizada la descarga, descomprímala y verá que el contenido de la carpeta es el siguiente:
Para la detección de objetivos, solo debemos prestar atención a las tres primeras carpetas: Annotations、ImageSets和JPEGImages
OK. Hablemos del contenido específico de estas tres carpetas.
VOCdevkit
——VOC2007 #文件夹的年份可以自己取,但是要与你其他文件年份一致,看下一步就明白了
————Annotations #放入所有的xml文件
————ImageSets
——————Main #放入train.txt,val.txt文件
————JPEGImages #放入所有的图片文件
①Anotaciones
La siguiente figura muestra el contenido de la carpeta Anotaciones:
La carpeta Annotations almacena archivos de etiquetas en formato xml y cada archivo xml corresponde a una imagen en la carpeta JPEGImages. A continuación se muestra el contenido específico del primer xml:
<?xml version="1.0"?>
-<annotation>
<folder>VOC2007</folder>
<filename>000005.jpg</filename> //图片名称
-<source>
<database>The VOC2007 Database</database>
<annotation>PASCAL VOC2007</annotation>
<image>flickr</image>
<flickrid>325991873</flickrid>
</source>
-<owner>
<flickrid>archintent louisville</flickrid>
<name>?</name>
</owner>
-<size> //图片尺寸
<width>500</width>
<height>375</height>
<depth>3</depth>
</size>
<segmented>0</segmented>
-<object> //图片中包含的在类别中的物体
<name>chair</name> //物体名称
<pose>Rear</pose>
<truncated>0</truncated>
<difficult>0</difficult>
-<bndbox> //该物体的bounding-box,左上角和右下角的坐标
<xmin>263</xmin>
<ymin>211</ymin>
<xmax>324</xmax>
<ymax>339</ymax>
</bndbox>
</object>
-<object>//其他物体
<name>chair</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
-<bndbox>
<xmin>165</xmin>
<ymin>264</ymin>
<xmax>253</xmax>
<ymax>372</ymax>
</bndbox>
</object>
-<object>//其他物体
<name>chair</name>
<pose>Unspecified</pose>
<truncated>1</truncated>
<difficult>1</difficult>
-<bndbox>
<xmin>5</xmin>
<ymin>244</ymin>
<xmax>67</xmax>
<ymax>374</ymax>
</bndbox>
</object>
-<object>//其他物体
<name>chair</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
-<bndbox>
<xmin>241</xmin>
<ymin>194</ymin>
<xmax>295</xmax>
<ymax>299</ymax>
</bndbox>
</object>
-<object>//其他物体
<name>chair</name>
<pose>Unspecified</pose>
<truncated>1</truncated>
<difficult>1</difficult>
-<bndbox>
<xmin>277</xmin>
<ymin>186</ymin>
<xmax>312</xmax>
<ymax>220</ymax>
</bndbox>
</object>
</annotation>
El correspondiente es el siguiente 000005.jpg
. El archivo XML almacena las coordenadas y la información de categoría de los objetos detectados contenidos en las fotos correspondientes.
②ImageSets
- En Layout se almacenan datos con partes del cuerpo humano (cabeza, mano, pies, etc., que también forman parte del desafío VOC).
- En Principal se almacenan los datos de detección de objetivos, que se dividen en 20 categorías en total.
- Se almacenan en Segmentación los datos que se pueden utilizar para la segmentación.
De hecho, solo debemos prestar atención a los datos de la carpeta principal, como se muestra a continuación:
La carpeta principal contiene 20 categorías ***_train.txt、***_val.txt和***_trainval.txt
.
El contenido de abrir uno de los archivos es el siguiente:
- El número en el frente representa el nombre de la imagen, el 1 en la parte posterior representa una muestra positiva y -1 representa una muestra negativa.
- _train.txt almacena los datos utilizados para el entrenamiento, _val.txt almacena los datos utilizados para los resultados de la verificación y _trainval.txt combina los dos anteriores.
- También hay tres
train.txt、val.txt、trainval.txt
archivos que se utilizan para guardar todas las imágenes, qué imágenes se usan para el entrenamiento y qué imágenes se usan para la verificación.El contenido guardado es solo el nombre de estas imágenes, y no hay más información.
③JPEGImágenes
La carpeta JPEGImages contiene toda la información de imágenes proporcionada por PASCAL VOC, incluidas imágenes de entrenamiento e imágenes de prueba. Como puede ver, el orden aquí y el nombre de la imagen corresponden al archivo XML.