PASCAL_VOC_2012介绍以及制作自己的数据集

---

本文参考来源于b站up主霹雳吧啦Wz.原视频.

PASCAL_VOC_2012

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。该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）
• 动作识别（Action Classification）等。
  

PASCAL_VOC_2012 官网

数据集下载地址： training/validation data (2GB tar file)]

文件结构

├──────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
├──────JPEGImages:所有文件信息
├──────SegmentationClass：图像分割png图（基于类别）
└──────SegmentationObject：图像分割png图（基于目标）

Annotations

比如随便打开一个文件：VOCdevkit/VOC2012/Annotations/2007_000187.xml

<annotation>
	<folder>VOC2012folder>
	<filename>2007_000187.jpgfilename>
	<source>
		<database>The VOC2007 Databasedatabase>
		<annotation>PASCAL VOC2007annotation>
		<image>flickrimage>
	source>
	<size>
		<width>500width>
		<height>375height>
		<depth>3depth>
	size>
	<segmented>1segmented>
	<object>
		<name>tvmonitorname>
		<pose>Frontalpose>
		<truncated>1truncated>
		<difficult>0difficult>
		<bndbox>
			<xmin>1xmin>
			<ymin>95ymin>
			<xmax>240xmax>
			<ymax>336ymax>
		bndbox>
	object>
annotation>

train.txt和val.txt

这两个.txt文件里面都是图片的名称，并且train.txt和val.txt的图片是互斥的

2008_000008
2008_000015
2008_000019
2008_000023
2008_000028
2008_000033
2008_000036
2008_000037
2008_000041
2008_000045
2008_000053
2008_000060
2008_000066
2008_000070
2008_000074
2008_000085
2008_000089
2008_000093
2008_000095

trainval.txt

训练集和验证集融合到了一起，为什么会有这样一个文件呢？

自己搭建的网络训练测试后，如果想将成绩提交到官网，就要那trainval.txt所有图片训练网络，然后在他们的test文件测试效果

boat_train.txt boat_val.txt boat_trainval.txt这类文件

2008_003021 -1
2008_003022 -1
2008_003023 -1
2008_003025 -1
2008_003026 -1
2008_003030 -1
2008_003033 -1
2008_003034  0
2008_003037 -1
2008_003039 -1
2008_003041 -1
2008_003043 -1
2008_003045 -1
2008_003048 -1
2008_003049 -1
2008_003051 -1
2008_003052 -1
2008_003053 -1
2008_003055 -1
2008_003056 -1
2008_003057 -1
2008_003059 -1
2008_003060 -1
2008_003061 -1

名称±1/1/0（没有船/有船/很难检测）

数据集使用流程

读入tarin.txt中的名字，获取每一行信息————>Annotations处找到对应的XML文件，解析————>得到图片的高度、宽度、深度、有哪些目标、位置————>在JPEGImages中找到相应图片，载入内存

如何标注自己的数据集

标注图像的软件很多，在github上有很多开源项目：

https://github.com//tzutalin/labelImg

安装方式

ubuntu（自己编译）：

sudo apt-get install pyqt5-dev-tools
sudo pip3 install -r requirements/requirements-linux-python3.txt
make qt5py3
python3 labelImg.py
python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

ubuntu懒一些的：

# 安装
pip install labelImg
#使用
labelImg
labelImg [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

标注流程

• 打开项目文件夹/home/zs/make_myself_datasets，新建标注类别信息文件：classes.txt
• 把要标注的图片存放在images文件夹
• 创建一个存放标注信息的文件夹annotations

• 在本工程：/home/zs/make_myself_datasets下打开软件

labelImg ./image/ ./classes 

• 更改储存路径为annotations,创建区块，进行标注

把xml中的filename信息保存到txt文件中

import xml.etree.ElementTree as ET
import os
source = r"/home/zs/make_myself_datasets/annotations"#xml位置
dir = os.listdir(source)

for i in range(len(dir)):
    tree = ET.parse(source + '/' + dir[i])

    root = tree.getroot()
    with open('./train.txt', 'a', encoding='utf-8') as f1:#存储位置
        for t in root.iter('filename'):
                info = t.text
                info = info.strip('.jpg')
                print(info)
                f1.write(info + '\n')