PASCAL VOC数据集分析（检测部分）

Pascal VOC 数据集介绍

介绍Pascal VOC数据集：

• Challenge and tasks， 只介绍Detection与Segmentation相关内容。
• 数据格式  Dataset
• 衡量方式  Evaluation
• voc2007, voc2012

Challenge and tasks

给定自然图片， 从中识别出特定物体。 
待识别的物体有20类：

• person
• bird, cat, cow, dog, horse, sheep
• aeroplane, bicycle, boat, bus, car, motorbike, train
• bottle, chair, dining table, potted plant, sofa, tv/monitor

有以下几个task： 
* Classification（略过） 
* Detection: 将图片中所有的目标用bounding box（bbox）框出来 
* Segmentation: 将图片中所有的目标分割出来 
* Person Layout（略过）

接下来本文只介绍Detection与Segmentation相关的内容。

Dataset

• 所有的标注图片都有Detection需要的label， 但只有部分数据有Segmentation Label。
• VOC2007中包含9963张标注过的图片， 由train/val/test三部分组成， 共标注出24,640个物体。
• VOC2007的test数据label已经公布， 之后的没有公布（只有图片，没有label）。
• 不同年份的VOC数据集之间存在交集，后面年份的VOC数据集是在之前的数据集基础之上添加数据得到的。
• 对于检测任务，VOC2012的trainval/test包含08-11年的所有对应图片。 trainval有11540张图片共27450个物体。
• 对于分割任务， VOC2012的trainval包含07-11年的所有对应图片， test只包含08-11。trainval有 2913张图片共6929个物体。

Detection Ground Truth and Evaluation

Ground truth

<annotation>
    <folder>VOC2007folder>
    <filename>009961.jpgfilename>
    <source>
        <database>The VOC2007 Databasedatabase>
        <annotation>PASCAL VOC2007annotation>
        <image>flickrimage>
        <flickrid>334575803flickrid>
    source>
    <owner>
        <flickrid>dictioncanaryflickrid>
        <name>Lucyname>
    owner>
    <size>
        <width>500width>
        <height>374height>
        <depth>3depth>
    size>
    <segmented>0segmented>
    <object>
        <name>dogname> 
        <pose>Unspecifiedpose>
        <truncated>0truncated>
        <difficult>0difficult>
        <bndbox>
            <xmin>69xmin>
            <ymin>4ymin>
            <xmax>392xmax>
            <ymax>345ymax>
        bndbox>
    object>
annotation>

Evaluation

提交的结果存储在一个文件中， 每行的格式为：

<image identifier> <confidence> <left> <top> <right> <bottom>

图片名称 confidence 左x 上y 右x 下y

例如：

comp3_det_test_car.txt:
000004 0.702732 89 112 516 466
000006 0.870849 373 168 488 229
000006 0.852346 407 157 500 213
000006 0.914587 2 161 55 221
000008 0.532489 175 184 232 201

• confidence会被用于计算mean average precision(mAP). 简要流程如下， 详细可参考https://sanchom.wordpress.com/tag/average-precision/ 
  
  • 根据confidence对结果排序，计算top-1, 2, …N对应的precision和recall
  • 将recall划分为n个区间t in [t1, ..., tn]
  • 找出满足recall>=t的最大presicision
  • 最后得到n个最大precision， 求它们的平均值

        aps = []
        for t in np.arange(0., 1.1, 0.1):#将recall分为多个区间
        # 在所有 recall > t对应的precision中找出最大值
            mask = tf.greater_equal(recall, t)
            v = tf.reduce_max(tf.boolean_mask(precision, mask)) 
            aps.append(v / 11.)
        # 得到其平均值
        ap = tf.add_n(aps)
        return ap

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

如果，recall-precision曲线是单调下降的，这样得到的结果其实就近似的等于recall-precision的面积。

代码给出的是voc07的计算方式， voc2010在recall区间区分上有变化： 假如有M个正样例，则将recall划分为[1/M, 1/(M - 1), 1/(M - 2), ... 1]。其余步骤不变。

预测的bbx的判别：

• 如输出的bbox与一个ground truth bbox的 IOU大于0.5， 且类别相同，则为True Positive, 否则为False Positive
• 对于一个ground truth bbox， 只会有一个 true positive， 其余都为false positive.

Segmentation 

Ground Truth

分割的label由两部分组成：      对像素点进行分类
* class segmentation: 标注出每一个像素的类别（语义分割）
* object segmentation: 标注出每一个像素属于哪一个物体（实例分割）

Evaluation

每类的precision和总体precision.

转载自：http://blog.csdn.net/weixin_35653315/article/details/71028523

北理工车辆检测数据集：

http://iitlab.bit.edu.cn/mcislab/vehicledb/