PASCAL VOC 数据集格式

原文链接：

http://blog.csdn.net/zhangjunbob/article/details/52769381

以PASCAL VOC2012作为例子

下载完之后解压，可以在VOCdevkit目录下的VOC2012中看到如下的文件：

 

1.JPEGImages

JPEGImages文件夹中包含了PASCAL VOC所提供的所有的图片信息，包括了训练图片和测试图片。

 

这些图像都是以“年份_编号.jpg”格式命名的。

图片的像素尺寸大小不一，但是横向图的尺寸大约在500*375左右，纵向图的尺寸大约在375*500左右，基本不会偏差超过100。（在之后的训练中，第一步就是将这些图片都resize到300*300或是500*500，所有原始图片不能离这个标准过远。）

这些图像就是用来进行训练和测试验证的图像数据。

2.Annotations

Annotations文件夹中存放的是xml格式的标签文件，每一个xml文件都对应于JPEGImages文件夹中的一张图片。

 

xml文件的具体格式如下：（对于2007_000392.jpg）

 

 

1.    2.     VOC2012                              3.     2007_000392.jpg                               //文件名   4.                                                                //图像来源（不重要）   5.         The VOC2007 Database   6.         PASCAL VOC2007   7.         flickr   8.        9.                                                    //图像尺寸（长宽以及通道数）                         10.         500   11.         332   12.         3   13.        14.     1                                   //是否用于分割（在图像物体识别中01无所谓）   15.        27.        39.

3.ImageSets

ImageSets存放的是每一种类型的challenge对应的图像数据。

在ImageSets下有四个文件夹：

 

其中Action下存放的是人的动作（例如running、jumping等等，这也是VOC challenge的一部分）

Layout下存放的是具有人体部位的数据（人的head、hand、feet等等，这也是VOC challenge的一部分）

Main下存放的是图像物体识别的数据，总共分为20类。

Segmentation下存放的是可用于分割的数据。

Main文件夹下包含了20个分类的***_train.txt、***_val.txt和***_trainval.txt。

这些txt中的内容都差不多如下：

 

前面的表示图像的name，后面的1代表正样本，-1代表负样本。

_train中存放的是训练使用的数据，每一个class的train数据都有5717个。

_val中存放的是验证结果使用的数据，每一个class的val数据都有5823个。

_trainval将上面两个进行了合并，每一个class有11540个。

需要保证的是train和val两者没有交集，也就是训练数据和验证数据不能有重复，在选取训练数据的时候 ，也应该是随机产生的。

4.SegmentationClass和SegmentationObject

 

 

这两个文件夹下保存了物体分割后的图片，在物体识别中没有用到，在这里不做详细展开。