PASCAL VOC 数据集的标注格式
PASCAL VOC 数据集的标注格式
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的全称是Pattern Analysis, Statistical Modelling and Computational Learning，很多优秀的计算机视觉模型比如分类，定位，检测，分割，动作识别等模型都是基于PASCAL VOC挑战赛及其数据集上推出的。
VOC 的全称是Visual Object Classes
第一届PASCAL VOC举办于2005年，然后每年一届，于2012年终止。
做深度学习目标检测、语义分割方面的工作都会接触到PASCAL VOC这个数据集，也许很少用到整个数据集，但是公开代码基本都是基于VOC或COCO数据格式书写代码，一般都会按照它的格式准备自己的数据集。所以针对PASCAL VOC的格式，包括目录构成以及各个文件夹的内容格式，进行详细讲解。方便以后利用VOC的标准格式制作自己的数据集，加快项目推进进度。
1、文件总体概述
总文件夹名称VOCdevkit （使用2012，2007太旧）
.
└── VOCdevkit #根目录
└── VOC2012 #不同年份的数据集，这里只下载了2012的，还有2007等其它年份的
├── Annotations #存放xml文件，与JPEGImages中的图片一一对应，解释图片的内容等等
├── ImageSets #该目录下存放的都是txt文件，txt文件中每一行包含一个图片的名称，末尾会加上±1表示正负样本
│ ├── Action #Action 动作识别，不牵扯
│ ├── Layout #Layout文件夹用于 person layout任务，不牵扯
│ ├── Main
└── train.txt #训练集
├── trainval.txt #训练集与验证集
├── val.txt #验证集
├── test.txt #测试集
│ └── Segmentation #语义分割
├── JPEGImages #存放源图片
├── SegmentationClass #存放的是图片，语义分割相关
└── SegmentationObject #存放的是图片，实例分割相关
2、文件的具体内容
※ Annotation文件夹存放的是xml文件，该文件是对图片的解释，每张图片都对于一个同名的xml文件。
※ ImageSets文件夹存放的是txt文件，这些txt将数据集的图片分成了各种集合。如Main下的train.txt中记录的是用于训练的图片集合。
※ JPEGImages文件夹存放的是数据集的原图片。
※ SegmentationClass以及SegmentationObject文件夹存放的都是图片，且都是图像分割结果图。
2.1、Annotation文件夹
Annotation文件夹的内容如下：
其中xml主要介绍了对应图片的基本信息，如来自那个文件夹、文件名、来源、图像尺寸以及图像中包含哪些目标以及目标的信息等等，内容如下：
-
filename ：文件名
-
source，owner：图片来源，及拥有者
-
size：图片大小
-
segmented：是否分割
-
object：表明这是一个目标，里面的内容是目标的相关信息
- name：object名称，20个类别
- pose：拍摄角度：front, rear, left, right, unspecified
- truncated：目标是否被截断（比如在图片之外），或者被遮挡（超过15%）
- difficult：检测难易程度，这个主要是根据目标的大小，光照变化，图片质量来判断
-
bndbox：bounding box 的左上角点和右下角点的4个坐标值。
2.2、ImageSets文件夹
ImageSets包含如下四个子文件夹：
各个文件夹中存放的是各种用途的TXT文件。例如在Main文件夹下有名为aeroplane_train.txt的文件，顾名思义是用于飞机类别的训练数据。该txt的具体内容如下。
2008_000008
2008_000015
2008_000019
2008_000023
2008_000028
其中包含的train.txt以及trainval.txt等文件内容与上面类似，
train.txt和trainval.txt内容中光有图片的名字，不包含图片属性与路径信息。
2.3、JEPGImages文件夹
该文件夹存放的是数据集的所有源图片，内容如下：
2.4** 、 SegmentationClass 文件夹**
语义分割相关：
该文件夹存放的是数据集的所有源图片对应的标签图，注意的是标签是0，1，2，3……。
2.5、SegmentationObject文件夹
实例分割相关，注意的是标签是0，1，2，3…… ：
