1.VOC數(shù)據(jù)格式解讀：http://blog.csdn.net/liuweizj12/article/details/53188186

PASCAL VOC為圖像識(shí)別和分類提供了一整套標(biāo)準(zhǔn)化的優(yōu)秀的數(shù)據(jù)集，從2005年到2012年每年都會(huì)舉行一場(chǎng)圖像識(shí)別challenge。 本文主要分析PASCAL VOC數(shù)據(jù)集中和圖像中物體識(shí)別相關(guān)的內(nèi)容。
在這里采用PASCAL VOC2012作為例子。下載地址為：點(diǎn)擊打開鏈接。（本文中的系統(tǒng)環(huán)境為ubuntu14.04） 下載完之后解壓，可以在VOCdevkit目錄下的VOC2012中看到如下的文件：
其中在圖像物體識(shí)別上著重需要了解的是Annotations、ImageSets和JPEGImages。
①JPEGImages JPEGImages文件夾中包含了PASCAL VOC所提供的所有的圖片信息，包括了訓(xùn)練圖片和測(cè)試圖片。 這些圖像都是以“年份_編號(hào).jpg”格式命名的。 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，基本不會(huì)偏差超過100。（在之后的訓(xùn)練中，第一步就是將這些圖片都resize到300*300或是500*500，所有原始圖片不能離這個(gè)標(biāo)準(zhǔn)過遠(yuǎn)。） 這些圖像就是用來進(jìn)行訓(xùn)練和測(cè)試驗(yàn)證的圖像數(shù)據(jù)。
②Annotations
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(duì)應(yīng)于JPEGImages文件夾中的一張圖片。 xml文件的具體格式如下：（對(duì)于2007_000392.jpg） [html]?view plain?copy

<annotation>??

????<folder>VOC2012</folder>?????????????????????????????

????<filename>2007_000392.jpg</filename>???????????????????????????????//文件名??

????<source>???????????????????????????????????????????????????????????//圖像來源（不重要）??

????????<database>The?VOC2007?Database</database>??

????????<annotation>PASCAL?VOC2007</annotation>??

????????<image>flickr</image>??

????</source>??

????<size>???????????????????????????????????????????????//圖像尺寸（長(zhǎng)寬以及通道數(shù)）????????????????????????

????????<width>500</width>??

????????<height>332</height>??

????????<depth>3</depth>??

????</size>??

????<segmented>1</segmented>???????????????????????????????????//是否用于分割（在圖像物體識(shí)別中01無所謂）??

????<object>???????????????????????????????????????????????????????????//檢測(cè)到的物體??

????????<name>horse</name>?????????????????????????????????????????//物體類別??

????????<pose>Right</pose>?????????????????????????????????????????//拍攝角度??

????????<truncated>0</truncated>???????????????????????????????????//是否被截?cái)?#xff08;0表示完整）??

????????<difficult>0</difficult>???????????????????????????????????//目標(biāo)是否難以識(shí)別（0表示容易識(shí)別）??

????????<bndbox>???????????????????????????????????????????????????//bounding-box（包含左下角和右上角xy坐標(biāo)）??

????????????<xmin>100</xmin>??

????????????<ymin>96</ymin>??

????????????<xmax>355</xmax>??

????????????<ymax>324</ymax>??

????????</bndbox>??

????</object>??

????<object>???????????????????????????????????????????????????????????//檢測(cè)到多個(gè)物體??

????????<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>??

對(duì)應(yīng)的圖片為： ③ImageSets
ImageSets存放的是每一種類型的challenge對(duì)應(yīng)的圖像數(shù)據(jù)。 在ImageSets下有四個(gè)文件夾： 其中Action下存放的是人的動(dòng)作（例如running、jumping等等，這也是VOC challenge的一部分） Layout下存放的是具有人體部位的數(shù)據(jù)（人的head、hand、feet等等，這也是VOC challenge的一部分） Main下存放的是圖像物體識(shí)別的數(shù)據(jù)，總共分為20類。 Segmentation下存放的是可用于分割的數(shù)據(jù)。
在這里主要考察Main文件夾。 Main文件夾下包含了20個(gè)分類的***_train.txt、***_val.txt和***_trainval.txt。 這些txt中的內(nèi)容都差不多如下： 前面的表示圖像的name，后面的1代表正樣本，-1代表負(fù)樣本。如果是0，應(yīng)該代表較難分辨出來的樣本！
_train中存放的是訓(xùn)練使用的數(shù)據(jù)，每一個(gè)class的train數(shù)據(jù)都有5717個(gè)。 _val中存放的是驗(yàn)證結(jié)果使用的數(shù)據(jù)，每一個(gè)class的val數(shù)據(jù)都有5823個(gè)。 _trainval將上面兩個(gè)進(jìn)行了合并，每一個(gè)class有11540個(gè)。 需要保證的是train和val兩者沒有交集，也就是訓(xùn)練數(shù)據(jù)和驗(yàn)證數(shù)據(jù)不能有重復(fù)，在選取訓(xùn)練數(shù)據(jù)的時(shí)候 ，也應(yīng)該是隨機(jī)產(chǎn)生的。 ④SegmentationClass和SegmentationObject

這兩個(gè)文件夾下保存了物體分割后的圖片，在物體識(shí)別中沒有用到，在這里不做詳細(xì)展開。
接下來需要研究的是如何自己生成訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)，將在下一篇中闡述。

總結(jié)

以上是生活随笔為你收集整理的faster rcnn 数据格式的全部?jī)?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。