之前有在Bilibili上簡單介紹過這個數據集，但一直沒有寫博文，今天抽空總結下，如果不想看文章的，可以看下我在Bilibili上的講解視頻。

Pascal VOC2012數據集詳解視頻: https://b23.tv/F1kSCK
Pascal VOC2012官網地址：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/
官方發表關于介紹數據集的文章 《The PASCALVisual Object Classes Challenge: A Retrospective》：http://host.robots.ox.ac.uk/pascal/VOC/pubs/everingham15.pdf

---

文章目錄

• • 1 簡介
  • 2 Pascal VOC數據集目標類別
  • 3 數據集下載與目錄結構
  • 4 目標檢測任務
  • 5 語義分割任務
  • 6 實例分割任務
  • 7 類別索引與名稱對應關系

---

1 簡介

PASCAL VOC挑戰賽 （The PASCAL Visual Object Classes ）是一個世界級的計算機視覺挑戰賽，PASCAL全稱：Pattern Analysis, Statical Modeling and Computational Learning，是一個由歐盟資助的網絡組織。PASCAL VOC挑戰賽主要包括以下幾類：圖像分類(Object Classification)，目標檢測(Object Detection)，目標分割(Object Segmentation)，行為識別(Action Classification) 等。

• 圖像分類與目標檢測任務
  
• 分割任務，注意，圖像分割一般包括語義分割、實例分割和全景分割，實例分割是要把每個單獨的目標用一種顏色表示（下圖中間的圖像），而語義分割只是把同一類別的所有目標用同一顏色表示（下圖右側的圖片）。
  
• 行為識別任務
  
• 人體布局檢測任務
  

---

2 Pascal VOC數據集目標類別

在Pascal VOC數據集中主要包含20個目標類別，下圖展示了所有類別的名稱以及所屬超類。

---

3 數據集下載與目錄結構

下載地址： http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html#devkit

打開鏈接后如下圖所示，只用下載training/validation data (2GB tar file)文件即可。

下載后將文件進行解壓，解壓后的文件目錄結構如下所示：

VOCdevkit└── VOC2012├── Annotations 所有的圖像標注信息(XML文件)├── ImageSets │ ├── Action 人的行為動作圖像信息│ ├── Layout 人的各個部位圖像信息│ ││ ├── Main 目標檢測分類圖像信息│ │ ├── train.txt 訓練集(5717)│ │ ├── val.txt 驗證集(5823)│ │ └── trainval.txt 訓練集+驗證集(11540)│ ││ └── Segmentation 目標分割圖像信息│ ├── train.txt 訓練集(1464)│ ├── val.txt 驗證集(1449)│ └── trainval.txt 訓練集+驗證集(2913)│ ├── JPEGImages 所有圖像文件├── SegmentationClass 語義分割png圖（基于類別）└── SegmentationObject 實例分割png圖（基于目標）

注意，train.txt、val.txt和trainval.txt文件里記錄的是對應標注文件的索引，每一行對應一個索引信息。如下圖所示：

---

4 目標檢測任務

接下來簡單介紹下如何使用該數據集中目標檢測的數據。

• 首先在Main文件中，讀取對應的txt文件（注意，在Main文件夾里除了train.txt、val.txt和trainval.txt文件外，還有針對每個類別的文件，例如bus_train.txt、bus_val.txt和bus_trainval.txt）。比如使用train.txt中的數據進行訓練，那么讀取該txt文件，解析每一行。上面說了每一行對應一個標簽文件的索引。

├── Main 目標檢測分類圖像信息│ ├── train.txt 訓練集(5717)│ ├── val.txt 驗證集(5823)│ └── trainval.txt 訓練集+驗證集(11540)

• 接著通過索引在Annotations文件夾下找到對應的標注文件（.xml）。比如索引為2007_000323，那么在Annotations 文件夾中能夠找到2007_000323.xml文件。如下圖所示，在標注文件中包含了所有需要的信息，比如filename，通過在字段能夠在JPEGImages 文件夾中能夠找到對應的圖片。size記錄了對應圖像的寬、高以及channel信息。每一個object代表一個目標，其中的name記錄了該目標的名稱，pose表示目標的姿勢（朝向），truncated表示目標是否被截斷（目標是否完整），difficult表示該目標的檢測難易程度（0代表簡單，1表示困難），bndbox記錄了該目標的邊界框信息。

• 接著通過在標注文件中的filename字段在JPEGImages 文件夾中找到對應的圖片。比如在2007_000323.xml文件中的filename字段為2007_000323.jpg，那么在JPEGImages 文件夾中能夠找到2007_000323.jpg文件。

---

5 語義分割任務

接下來簡單介紹下如何使用該數據集中語義分割的數據。

• 首先在Segmentarion文件中，讀取對應的txt文件。比如使用train.txt中的數據進行訓練，那么讀取該txt文件，解析每一行，每一行對應一個圖像的索引。

└── Segmentation 目標分割圖像信息├── train.txt 訓練集(1464)├── val.txt 驗證集(1449)└── trainval.txt 訓練集+驗證集(2913)

• 根據索引在JPEGImages 文件夾中找到對應的圖片。還是以2007_000323為例，可以找到2007_000323.jpg文件。

• 根據索引在SegmentationClass文件夾中找到相應的標注圖像（.png）。還是以2007_000323為例，可以找到2007_000323.png文件。
  
  注意，在語義分割中對應的標注圖像（.png）用PIL的Image.open()函數讀取時，默認是P模式，即一個單通道的圖像。在背景處的像素值為0，目標邊緣處用的像素值為255(訓練時一般會忽略像素值為255的區域)，目標區域內根據目標的類別索引信息進行填充，例如人對應的目標索引是15，所以目標區域的像素值用15填充。
  

---

6 實例分割任務

• 同樣首先在Segmentarion文件中，讀取對應的txt文件。比如使用train.txt中的數據進行訓練，那么讀取該txt文件，解析每一行，每一行對應一個圖像的索引。

└── Segmentation 目標分割圖像信息├── train.txt 訓練集(1464)├── val.txt 驗證集(1449)└── trainval.txt 訓練集+驗證集(2913)

• 根據索引在JPEGImages 文件夾中找到對應的圖片。這里以2007_000032為例，可以找到2007_000032.jpg文件，如下圖所示。
  
• 再根據索引在SegmentationObject文件夾中找到相應的標注圖像（.png）。還是以2007_000032為例，可以找到2007_000032.png文件。
  
  注意，在實例分割中對應的標注圖像（.png）用PIL的Image.open()函數讀取時，默認是P模式，即一個單通道的圖像。在背景處的像素值為0，目標邊緣處或需要忽略的區域用的像素值為255(訓練時一般會忽略像素值為255的區域)。然后在Annotations文件夾中找到對應的xml文件，解析xml文件后會得到每個目標的信息，而對應的標注文件（.png）的每個目標處的像素值是按照xml文件中目標順序排列的。如下圖所示，xml文件中每個目標的序號是與標注文件（.png）中目標像素值是對應的。

---

7 類別索引與名稱對應關系

下面給出在Pascal VOC數據集中各目標類別名稱與類別索引對應關系：

{"background": 0,"aeroplane": 1,"bicycle": 2,"bird": 3,"boat": 4,"bottle": 5,"bus": 6,"car": 7,"cat": 8,"chair": 9,"cow": 10,"diningtable": 11,"dog": 12,"horse": 13,"motorbike": 14,"person": 15,"pottedplant": 16,"sheep": 17,"sofa": 18,"train": 19,"tvmonitor": 20 }

總結

以上是生活随笔為你收集整理的PASCAL VOC2012数据集介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。