数据集Pascal VOC2012
写在前面
PASCAL VOC为图像识别提供了一套标准化的优秀的数据集。其三个主要的物体识别竞赛分别是分类classification， 检测detection, 分割segmentation。
PASCAL---- Pattern Analysis, Statistical Modelling and Computational Learning，分别是 模式分析、 统计建模、 计算学习；
VOC----Visual Object Class, 视觉对象类；
对于分割任务， VOC2012的trainval包含2007-2011年所有对应图片，test只包含2008-2011，trainval有2913张图片，共6929个物体。
分类
总共分成20+1类，有20类物体，第21类为背景：
Person : person
Animal : bird , cat , cow , dog , horse , sheep
Vehicle : aeroplane , bicycle , boat , bus , car , motorbike , train
Indoor: bottle, chaire, dining-table, potted plant, sofa, tv/monitor
编号分别如下：（序号为（0代表背景，1~20代表20个类别））
| 0 | background | ||
| 1 | aeroplane | 11 | dining-table |
| 2 | bicycle | 12 | dog |
| 3 | bird | 13 | horse |
| 4 | boat | 14 | motorbike |
| 5 | bottle | 15 | person |
| 6 | bus | 16 | pottedplant |
| 7 | car | 17 | sheep |
| 8 | cat | 18 | sofa |
| 9 | chair | 19 | train |
| 10 | cow | 20 | tv |
每个类别的分布如下：
类别与颜色的对应关系如下（RGB数值）
具体文件
下载后得到如下压缩包：（图是在linux系统下的图标）
解压后如图所示：
1、JPEG IMAGES
该文件夹包含了PASCAL VOC所提供的所有的信息图片，包括训练图片和测试图片。
这些图片的命名格式都是“年份_编号.jpg”，图片大小尺寸不一，横向图尺寸大概在500*375，纵向图尺寸大约在375*500, 偏差在100之内。
2、Annotations
此文件夹存放的是xml格式的标签文件，每个xml文件都与JPEGImages中的图片一一对应。
以2007_000392为例，xml文件的具体格式如下所示：
VOC2012
2007_000392.jpg //文件名
//图像来源（不重要）
The VOC2007 Database
PASCAL VOC2007
flickr
//图像尺寸（长宽以及通道数）
500
332
3
1 //是否用于分割（在图像物体识别中01无所谓）
其对应的图片如下：
这里仅对比较重要的做出解释：
-
size
size下包括了与图片尺寸相关的信息，其中 ：
- width为宽度
- height为高度
- depth为图片的通道数（彩色图像为3通道，灰度图为1通道）。
-
segmented
表示图像是否进行分割，1表示是，0表示否。
-
object
object下包括的是目标检测的相关信息，object可以出现多个。其中：
- name表示物体的名字
- pose表示拍摄的角度
- truncated表示目标检测的框是否被截断，1表示是，0表示否
- difficult 表示目标是否难以识别，1表示是，0表示否
- bndbox 下包括的是目标检测框的位置信息
- xmin,ymin 表示检测框的左上角
- xmax,ymax 表示检测框的右下角
3、ImageSets
该文件夹下存放的是每一种类型的challenge对应的图像数据，包含4个子文件夹：
- Action下存放的是人的动作
- Layout下存放的是人的部位的数据
- Main下存放的是 物体识别 的数据，总共分为20类
- Segmentation下存放的是用于 分割 的数据
Main文件
包含了20个分类的不同的 ***_train.txt, ***_val.txt, ***_trainval.txt。截图如下：
从图片中右边打开的txt文件可见：
最左一列为图片的name，后面的 1 表示这个样本为正样本， -1表示这个样本为负样本。
train里面放的是训练使用的数据,每一个CLASS有5717个；
val里面放的是验证结果使用的数据，每一个CLASS有5823个；
trainval是将上面两个进行合并；
Action文件
一共花分类11个动作类别，如下图所示：
下图为具体的TXT文件内容：第一列为图片名，第二列为上表中的序号，第三列为样本属性：1为正样本；-1为负样本；
LAYOUT
Layout文件夹存储的是人体部位识别竞赛中相关的数据集图片列表。
具体内容如下图所示：
第一列为图片名，第二列为图片中所包含的人数。
4、SegmentationClass & SegmentationObject
这个文件夹里面存放的是与 物体分割任务相关的图片。如下图展示：
上面的文件夹为SegmentationClass；存放语义分割图；标注每一个像素属于哪一个类别；
下面的文件夹为SegmentationObject； 存放实例分割图；标注每一个像素属于哪一个物体；
放一个图可以进行直观的对比：
可以看到同样是火车，语义分割时两个时同一个颜色，在实例分割时则为不同颜色。
在voc数据集里面，分割的颜色与类别对应关系如下图所示：
这里强调一点，这两个文件夹下面的图片位深度是8。
这里对比一下RGB图像的位深度位24，每个通道都有8位。而8位深的图像一般都是灰度图像，这是VOC2012 mask的特殊性。
PS:我也不太懂“ 由于colormap”的存在，使其看起来是彩色的，在deeplabv3+,准备数据时要去掉label的colormap” 。
下载
另附，voc2007,voc2012镜像下载的链接：
https://pjreddie.com/projects/pascal-voc-dataset-mirror/