pascal voc資料集分析
pascal voc為影象識別和分類提供了一整套標準化的優秀的資料集，從2023年到2023年每年都會舉行一場影象識別challenge。
本文主要分析pascal voc資料集中和影象中物體識別相關的內容。
其中在影象物體識別上著重需要了解的是annotations、imagesets和jpegimages。
①jpegimages
jpegimages資料夾中包含了pascal voc所提供的所有的資訊，包括了訓練和測試。
這些影象都是以「年份_編號.jpg」格式命名的。
的畫素尺寸大小不一，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，基本不會偏差超過100。（在之後的訓練中，第一步就是將這些都resize到300*300或是500*500，所有原始不能離這個標準過遠。）
這些影象就是用來進行訓練和測試驗證的影象資料。
②annotations
annotations資料夾中存放的是xml格式的標籤檔案，每乙個xml檔案都對應於jpegimages資料夾中的一張。
xml檔案的具體格式如下：（對於2007_000392.jpg）
voc2012
2007_000392.jpg //檔名
//影象**（不重要）
the voc2007 database
pascal voc2007
flickr
//影象尺寸（長寬以及通道數）
5003323
1 //是否用於分割（在影象物體識別中01無所謂）
//檢測到的物體
horse //物體類別
right //拍攝角度
0 //是否被截斷（0表示完整）
0 //目標是否難以識別（0表示容易識別）
//bounding-box（包含左下角和右上角xy座標）
10096355
324
//檢測到多個物體
imagesets存放的是每一種型別的challenge對應的影象資料。
在imagesets下有四個資料夾：
其中action下存放的是人的動作（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資料（人的head、hand、feet等等，這也是voc challenge的一部分）
main下存放的是影象物體識別的資料，總共分為20類。
segmentation下存放的是可用於分割的資料。
在這裡主要考察main資料夾。
main資料夾下包含了20個分類的***_train.txt、***_val.txt和***_trainval.txt。
這些txt中的內容都差不多如下：
前面的表示影象的name，後面的1代表正樣本，-1代表負樣本。
_train中存放的是訓練使用的資料，每乙個class的train資料都有5717個。
_val中存放的是驗證結果使用的資料，每乙個class的val資料都有5823個。
_trainval將上面兩個進行了合併，每乙個class有11540個。
需要保證的是train和val兩者沒有交集，也就是訓練資料和驗證資料不能有重複，在選取訓練資料的時候 ，也應該是隨機產生的。
④segmentationclass和segmentationobject
這兩個資料夾下儲存了物體分割後的，在物體識別中沒有用到，在這裡不做詳細展開。
記錄 PASCAL VOC資料集分析
做深度學習目標檢測方面的同學一定會接觸到pascal voc資料集，前陣子準備按照它的格式準備自己的資料集。這裡就來詳細的記錄一下pascal voc的格式，包括目錄構成以及各個資料夾的內容格式。各大演算法的leaderboards 常用搭配 結構圖 voc2007 annotations imag...
Pascal VOC 資料集介紹
介紹pascal voc資料集 資料格式 衡量方式 voc2007,voc2012 有以下幾個task classification 略過 detection 將中所有的目標用bounding box bbox 框出來 segmentation 將中所有的目標分割出來 person layout 略...
資料集 Pascal voc2007資料集分析
作為標準資料集，voc 2007 是衡量影象分類識別能力的基準。faster rcnn，yolo v1,yolo v2都以此資料集為最為演示樣例，因此，有必要了解一下本資料集的組成架構。voc資料集共包含 訓練集 5011幅 測試集 4952幅 共計9963幅圖，共包含20個種類。aeroplane...