VOC数据集解析--python实现分离图片训练分类网络

以voc2007数据为例，下载后的数据格式如下：

Annotations文件夹里保存的是目标检测用到的.xml文件，文件名是图像名称

ImageSets文件夹里面是图像划分的集合 ，打开之后有3个文件夹：Layout 、 Main、 Segmentation，这3个文件夹对应的是 VOC challenge 3类不同的任务。

VOC challenge的Main task，其实是classification和detection，所以在Main文件夹中，包含的就是这两个任务要用到的图像集合，如下图所示。共有84个.txt文件，其中4个文件为训练集train.txt、验证集val.txt、训练集和验证集汇总trainval.txt、测试集test.txt，这4个文件里面保存的是图像的ID号；还有20类目标，每个类别有该类的类别名_train.txt、类别名_val.txt、类别名_trainval.txt、类别名_test.txt这4个文本，共80个文件。这80个文件中每一行的图像ID后面还跟了一个数字，要么是-1， 要么是1，有时候也可能会出现0，意义为：-1表示当前图像中，没有该类物体；1表示当前图像中有该类物体；0表示当前图像中，该类物体只露出了一部分。

此外还有两个taster tasks ：Layout和Segmentation，这两个任务也有各自需要用到的图像，就分别存于Layout和Segmentation两个文件夹中，如下图所示，分别有4个文件：训练集train.txt、验证集val.txt、训练集和验证集汇总trainval.txt、测试集test.txt。

通过Main中txt文件，根据类别名称从ImageSets中讲对应类别的图片提取存放，用于训练分类网络：

# 从VOC数据集中把分类用的图片提取出来
import os
import shutil
from tqdm import tqdm

classes = ['aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus',
           'car', 'cat', 'chair', 'cow', 'diningtable', 'dog', 'horse',
            'motorbike', 'person', 'pottedplant', 'sheep', 'sofa', 'train', 'tvmonitor']

img_path = 'D:\\Maserati_Projects\\Open_Dataset\\VOC数据\\VOCdevkit\\VOC2007\\JPEGImages\\'
class_path = 'D:\\Maserati_Projects\\Open_Dataset\\VOC数据\\VOCdevkit\\VOC2007\\ImageSets\\Main\\'
save_path = 'D:\\Maserati_Projects\\Open_Dataset\\VOC数据\\VOCdevkit\\VOC2007\\val\\'

for c in tqdm(classes):
    txt_path = os.path.join(class_path, c+'_val.txt')

    move_image = os.path.join(save_path, c)
    if not os.path.exists(move_image):
        os.makedirs(move_image)

    with open(txt_path, 'r') as f:
        img_files = f.readlines()

    for name in img_files:
        img_name = name.split(' ')[0]

        src_img = os.path.join(img_path, img_name+'.jpg')
        target_img = os.path.join(move_image, img_name+'.jpg')
        shutil.copy(src_img, target_img)