1. 簡介

Pascal VOC網(wǎng)址：http://host.robots.ox.ac.uk/pascal/VOC/

VOC2012數(shù)據(jù)集下載地址：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar

參考鏈接：https://blog.csdn.net/zz2230633069/article/details/84769339

Pascal VOC的三個(gè)主要物體識(shí)別競賽是：分類，檢測和分割（classification, detection, and segmentation）。對于分割任務(wù)， VOC2012的trainval包含2007-2011年的所有對應(yīng)圖片， test只包含2008-2011。trainval有 2913張圖片共6929個(gè)物體。

2. 分類

總共20類如下（背景為第21類）：

Person: person

Animal: bird, cat, cow, dog, horse, sheep

Vehicle: aeroplane, bicycle, boat, bus, car, motorbike, train

Indoor: bottle, chair, dining table, potted plant, sofa, tv/monitor

序號(hào)為（0代表背景，1~20代表20個(gè)類別）：

0	background	?	?
1	aeroplane	11	diningtable
2	bicycle	12	dog
3	bird	13	horse
4	boat	14	motorbike
5	bottle	15	person
6	bus	16	pottedplant
7	car	17	sheep
8	cat	18	sofa
9	chair	19	train
10	cow	20	tv

分布如下：

類別與顏色的對應(yīng)關(guān)系如下：

一張標(biāo)簽圖片總共有22種數(shù)字（0-20，255）其中0和255的顏色都是黑色RGB=（0,0,0），所以語義圖總共有21種顏色。

?

?

3. 具體文件

下載后得到如下壓縮包：

在VOCdevkit/VOC2012下有5個(gè)文件夾，如下所示：

逐個(gè)介紹：

（1）Annotations

Annotations文件夾中存放的是xml格式的標(biāo)簽文件，每一個(gè)xml文件都對應(yīng)于JPEGImages文件夾中的一張圖片，共計(jì)17125個(gè)文件，如下所示：

以2007_000027.xml和2007_000032.xml文件為例，打開xml文件（截取部分）：

2007_000027.xml文件：

2007_000032.xml文件：

紅框標(biāo)注部分表示是否可以用于分割：0否；1是。

（2）ImageSets

ImageSets存放的是每一種類型的challenge對應(yīng)的圖像數(shù)據(jù)。

在ImageSets下有四個(gè)文件夾：

Action：存放的是人的動(dòng)作（running、jumping等等）

Layout：存放的是具有人體部位的數(shù)據(jù)（人的head、hand、feet等等）

Main：存放的是圖像物體識(shí)別的數(shù)據(jù)，總共分為20類。

Segmentation：存放的是可用于分割的數(shù)據(jù)。

主要看Segmentation文件夾。其中包含了train.txt（1416張圖）、val.txt（1449張圖）和trainval.txt（2913張圖）三個(gè)文本文件，里面儲(chǔ)存的是用于語義分割的圖片的名字（無擴(kuò)展名）。train和val兩者沒有交集，即訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)不能有重復(fù)，隨機(jī)產(chǎn)生而trainval則是兩者的總和。

（3）JPEGImages

JPEGImages文件夾中包含了PASCAL VOC提供的所有的就jpg圖片，共計(jì)17125張，包括了訓(xùn)練和測試圖片。

這些圖像都以“年份_編號(hào).jpg”格式命名。

圖片的像素尺寸大小不一，但是橫向圖的尺寸大約在500*375左右，縱向圖的尺寸大約在375*500左右，長寬均不會(huì)超過512。

（4）SegmentationClass

保存了分割后的標(biāo)簽圖（2913張png圖片），標(biāo)注出了每一個(gè)像素屬于哪一個(gè)類別。

（5）SegmentationObject

保存了分割后的標(biāo)簽圖（2913張png圖片），標(biāo)注出了每一個(gè)像素屬于哪一個(gè)具體的物體。

對比上面兩個(gè)文件夾中文件的區(qū)別：

注意：上面兩個(gè)文件夾中的label圖，位深度是8位，并不是RGB三通道，只是由于colormap的存在，使其看起來是彩色的（具體我也不太了解）。因此，在deeplabv3+方法中，準(zhǔn)備數(shù)據(jù)時(shí)需要先去掉label們的colormap。

總結(jié)

以上是生活随笔為你收集整理的Pascal voc 2012 数据集简介的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。