ILSVRC2015_VID数据集详解

数据集下载地址：http://bvisionweb1.cs.unc.edu/ilsvrc2015/ILSVRC2015_VID.tar.gz

总说：

数据集包括3862 snippets用于训练，555 snippets用于验证，937 snippets用于测试。
每个snippet包括56~458帧图像不等。
视频中的目标检测，类似目标检测任务的风格。该任务有30个基本类别，是目标检测任务200个基本类别的子集。这些类别都是精心选择的，考虑到不同因素，如运动类型，视频背景干扰，平均目标数目等。所有类别在每个帧都完全打标签。
30个类别为：
n02691156 1 airplane 飞机
n02419796 2 antelope 羚羊
n02131653 3 bear 熊
n02834778 4 bicycle 自行车
n01503061 5 bird 鸟
n02924116 6 bus 公交
n02958343 7 car 小汽车
n02402425 8 cattle 牛
n02084071 9 dog 狗
n02121808 10 domestic_cat 猫
n02503517 11 elephant 大象
n02118333 12 fox 狐狸
n02510455 13 giant_panda 熊猫
n02342885 14 hamster 仓鼠
n02374451 15 horse 马
n02129165 16 lion 狮子
n01674464 17 lizard 蜥蜴
n02484322 18 monkey 猴子
n03790512 19 motorcycle 摩托车
n02324045 20 rabbit 兔子
n02509815 21 red_panda 红熊猫
n02411705 22 sheep 羊
n01726692 23 snake 蛇
n02355227 24 squirrel 松鼠
n02129604 25 tiger 老虎
n04468005 26 train 火车
n01662784 27 turtle 海龟
n04530566 28 watercraft 船只
n02062744 29 whale 鲸鱼
n02391049 30 zebra 斑马

---

详解：

数据集下载并解压后，文件夹如图：

内含有Annotations Data ImageSets三个文件夹：

Annotations为注解，主要就是每帧图bndbox的标注，所有会有train和val两个文件夹

所有的train类文件夹都被分为了0000，0001，0002，0003四个类别

每个类别中会以每单个视频为细分依据，命名前五位代表同一细分类别，后三位为具体个例

每个文件夹中存放的是每一帧的对应信息，以.xml文件格式存储

用浏览器打开后可看到具体存储信息，每张图长宽像素值固定，都是1280 x 720，bndbox为对应目标的标注(xmin, ymin)(xmax, ymax)分别为左上角与右下角坐标

Data文件夹中存放的是对应视频和每帧图片
视频存放于snippets文件夹，每帧图片分为test，train，val三个文件夹存放

snippets文件夹也分为test，train，val三个文件夹存放对应视频（.mp4）格式

ImageSets文件夹存放主要是帧数文件的记录

部分借鉴于：https://blog.csdn.net/shenziheng1/article/details/81000883 在此表示感谢