PASCAL VOC2012数据集介绍与制作自己的数据集

1 简介

PASCAL VOC挑战赛 （The PASCAL Visual Object Classes ）是一个世界级的计算机视觉挑战赛，PASCAL全称：Pattern Analysis, Statical Modeling and Computational Learning，是一个由欧盟资助的网络组织。PASCAL VOC挑战赛主要包括以下几类：图像分类(Object Classification)，目标检测(Object Detection)，目标分割(Object Segmentation)，行为识别(Action Classification) 等。

简单看下PASCAL VOC数据集中的一些挑战项目

• 图像分类与目标检测任务
  
• 分割任务，注意，图像分割一般包括语义分割、实例分割和全景分割，实例分割是要把每个单独的目标用一种颜色表示（下图中间的图像），而语义分割只是把同一类别的所有目标用同一颜色表示（下图右侧的图片）。
  
• 行为识别任务
  
• 人体部位检测任务
  

---

Pascal VOC2012数据集详解视频: https://b23.tv/F1kSCK
Pascal VOC2012官网地址：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/
官方发表关于介绍数据集的文章 《The PASCALVisual Object Classes Challenge: A Retrospective》：http://host.robots.ox.ac.uk/pascal/VOC/pubs/everingham15.pdf

2 Pascal VOC数据集目标类别

在Pascal VOC数据集中主要包含20个目标类别，下图展示了所有类别的名称以及所属超类。

3 数据集下载与目录结构

下载地址： http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html#devkit

打开链接后如下图所示，只用下载training/validation data (2GB tar file)文件即可。

下载后将文件进行解压，解压后的文件目录结构如下所示：

VOCdevkit
    └── VOC2012
         ├── Annotations               所有的图像标注信息(XML文件)
         ├── ImageSets    
         │   ├── Action                人的行为动作图像信息
         │   ├── Layout                人的各个部位图像信息
         │   │
         │   ├── Main                  目标检测分类图像信息
         │   │     ├── train.txt       训练集(5717)
         │   │     ├── val.txt         验证集(5823)
         │   │     └── trainval.txt    训练集+验证集(11540)
         │   │
         │   └── Segmentation          目标分割图像信息
         │         ├── train.txt       训练集(1464)
         │         ├── val.txt         验证集(1449)
         │         └── trainval.txt    训练集+验证集(2913)
         │ 
         ├── JPEGImages                所有图像文件
         ├── SegmentationClass         语义分割png图（基于类别）
         └── SegmentationObject        实例分割png图（基于目标）

目标检测主要关注Main文件夹下的train.txt,val.txt,trainval.txt,文件里记录的是对应标注文件的索引，每一行对应一个索引信息。如下图所示,

一般用train.txt文件训练，val.txt 进行验证, 用测试文件进行测试，其中测试集一般是不公开的（目前已公开），所以我们通常基于train.txt进行训练,val.txt进行测试。为啥会有trainval.txt文件呢？因为PASCAL VOC竞赛要求用trainval.txt进行训练，然后利用PASCAL的测试文件进行测试：

4 目标检测任务

接下来简单介绍下如何使用该数据集中目标检测的数据。

• 首先在Main文件中，读取对应的txt文件（注意，在Main文件夹里除了train.txt、val.txt和trainval.txt文件外，还有针对每个类别的文件，例如bus_train.txt、bus_val.txt和bus_trainval.txt）。比如使用train.txt中的数据进行训练，那么读取该txt文件，解析每一行。上面说了每一行对应一个标签文件的索引。

   ├── Main                  目标检测分类图像信息
   │     ├── train.txt       训练集(5717)
   │     ├── val.txt         验证集(5823)
   │     └── trainval.txt    训练集+验证集(11540)

• 接着通过索引在Annotations文件夹下找到对应的标注文件（.xml）。比如索引为2007_000323，那么在Annotations文件夹中能够找到2007_000323.xml文件。如下图所示，在标注文件中包含了所有需要的信息，比如filename，通过在字段能够在JPEGImages文件夹中能够找到对应的图片。size记录了对应图像的宽、高以及channel信息。每一个object代表一个目标，其中的name记录了该目标的名称，pose表示目标的姿势（朝向），truncated表示目标是否被截断（目标是否完整），difficult表示该目标的检测难易程度（0代表简单，1表示困难），bndbox记录了该目标的边界框信息。
  
• 接着通过在标注文件中的filename字段在JPEGImages文件夹中找到对应的图片。比如在2007_000323.xml文件中的filename字段为2007_000323.jpg，那么在JPEGImages文件夹中能够找到2007_000323.jpg文件。

5 图像分割任务

接下来简单介绍下如何使用该数据集中语义分割的数据。

• 首先在Segmentarion文件中，读取对应的txt文件。比如使用train.txt中的数据进行训练，那么读取该txt文件，解析每一行，每一行对应一个图像的索引。

  └── Segmentation          目标分割图像信息
        ├── train.txt       训练集(1464)
        ├── val.txt         验证集(1449)
        └── trainval.txt    训练集+验证集(2913)

• 根据索引在JPEGImages文件夹中找到对应的图片。还是以2007_000323为例，可以找到2007_000323.jpg文件。
  
• 根据索引在SegmentationClass文件中找到相应的标注图像（.png）。还是以2007_000323为例，可以找到2007_000323.png文件。
  
  注意，在语义分割中对应的标注图像（.png）用PIL的Image.open()函数读取时，默认是P模式，即一个单通道的图像。在背景处的像素值为0，目标边缘处用的像素值为255(训练时一般会忽略像素值为255的区域)，目标区域内根据目标的类别索引信息进行填充，例如人对应的目标索引是15，所以目标区域的像素值用15填充
  
  下面给出在Pascal VOC数据集中各目标类别名称与类别索引对应关系：

{
	"background": 0,
    "aeroplane": 1,
    "bicycle": 2,
    "bird": 3,
    "boat": 4,
    "bottle": 5,
    "bus": 6,
    "car": 7,
    "cat": 8,
    "chair": 9,
    "cow": 10,
    "diningtable": 11,
    "dog": 12,
    "horse": 13,
    "motorbike": 14,
    "person": 15,
    "pottedplant": 16,
    "sheep": 17,
    "sofa": 18,
    "train": 19,
    "tvmonitor": 20
}

7 标注自己的数据集

标注图像的软件很多，在github上有很多开源的项目。推荐labelImg
, 这个标注软件目前用的比较多。

在github中搜索label，可以看到很多开源的标注文件.

其中labelImg标注生成的是.xml文件,labelme生成的是json文件，为了保持和PASCAL标注格式一样，因此一般推荐labelImg

7.1 labelImg的使用

labelImg
，可以通过源码进行构建，也可以通过
pip方式进行安装

本文主要通过pip方式进行安装

pip install labelImg
labelImg
labelImg [IMAGE_PATH][PRE-DEFIND CLASS FILE]

准备两个文件：一个是图片文件，一个类别标签文件

安装好labelImg，在命令后窗口输入,如

labelImg ./imageDIR  ./classes.txt  

classes.txt文件,把所有类别一行行写入，如：

dog
person
cat
tv
car
meatballs
tomato 
ribs
pulled pork

现在就可以依次对每一张图片进行标注了。

其次，开始标注之前，可点击“查看”选项进行一些基本设置，可以让标注过程变得简单且快速

• 自动保存模式：当你切换到下一张图片时，就会自动把上一张标注的图片标签自动保存下来，这样就不用每标注一样图片都按Ctrl+S（或者按保存按钮）保存一下了；
• 单一类别显示：当你画完标注框以后不用跳出预设的一些类别让你选择，这样对单一类别操作来说更快速；
• 显示类别：标注好图片之后，会把框和标签都显示出来；
• 专家模式：这样标注的十字架就会一直悬浮在窗口，不用每次标完一个目标，再按一次W快捷键，调出标注的十字架。
  操作步骤
• 英文输入法下，点击快捷键w，开始创建矩形框；
• 单击并释放鼠标左键以选择要注释矩形框的区域；
• 您可以使用鼠标右键拖动矩形框来复制或移动它；
• 批注将保存到指定的文件夹中；
• 英文输入法下，点击快捷键d，切换到下一张图片，继续标注。
  注：您可以编辑data/predefined_classes.txt文件来加载预定义的类，创建完矩形
  框以后，会跳出预定义的类别，我们只要选择对应的类别标签即可。

快捷键操作

• Ctrl + u 选择要标注的文件目录；
• Ctrl + r 选择标注好的标签存放的目录；
• Ctrl + s 保存标注好的标签（自动保存模式下会自动保存）；
• Ctrl + d 复制当前标签和矩形框；
  Ctrl + Shift + d 删除当前图片；
• Space 将当前图像标记为已验证；
• w 开始创建矩形框；
• d 切换到下一张图；
• a 切换到上一张图；
• del 删除选中的标注矩形框；
• Ctrl++ 放大图片；
• Ctrl-- 缩小图片；
• ↑→↓← 移动选中的矩形框的位置；
  注：验证图片,当按空格键时，用户可以将图像标记为已验证，绿色背景将出现。这是在自动创建数据集时使用的，用户可以通过所有的图片并标记它们，而不是注释它们。

参考

https://blog.csdn.net/qq_37541097/article/details/115787033?spm=1001.2014.3001.5502