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。
aeroplane20個類別中，後面數字代表資料集中對應的的正樣本影象個數（非目標個數）。bicycle
bird
boat
bottle
bus
car
cat
chair
cow
diningtable
dog
horse
motorbike
person
pottedplant
sheep
sofa
train
tvmonitor
- 訓練集
aeroplane 238- 測試集bicycle 243
bird 330
boat 181
bottle 244
bus 186
car 713
cat 337
chair 445
cow 141
diningtable 200
dog 421
horse 287
motorbike 245
person 2008
pottedplant 245
sheep 96
sofa 229
train 261
tvmonitor 256
aeroplane 204可以看出，除了person數量較多，其他類別樣本個數不算多，在如此小的資料集上，深度學習能獲得較高的分類識別結果，足以說明深度學習的強大效能。bicycle 239
bird 282
boat 172
bottle 212
bus 174
car 721
cat 322
chair 417
cow 127
diningtable 190
dog 418
horse 274
motorbike 222
person 2007
pottedplant 224
sheep 97
sofa 223
train 259
tvmonitor 229
資料集的組成架構如下：
具體結構如下：imagesets
layout
main
segmentation
jpegimages
segmentationclass
segmentationobject
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。
jpegimages 中存放原始影象，這些影象都是以「年份_編號.jpg」格式命名。的畫素尺寸大小不一，一般為（橫向圖） 500*375 或（縱向圖） 375*500；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）
[html]view plain
copy
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）
500332
31 //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）
10096
355324
//檢測到多個物體
imagesets 中有四個資料夾【action】【layout】【main】【segmentation】
imagesets存放的是每一種型別的challenge對應的影象資料。
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。
分類識別只關注【main】，它內部儲存20個分類類別標籤，-1表示負樣本，+1為正樣本
*_train.txt 訓練樣本集
*_val.txt 評估樣本集
*_trainval.txt 訓練與評估樣本彙總
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。
PASCAL VOC資料集分析
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2005年到2012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 i...
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...
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...