資料集下載

PASCAL VOC為影象識別和分類提供了一整套標準化的優秀的資料集，從2005年到2012年每年都會舉行一場影象識別challenge。此資料集可以用於影象分類、目標檢測、影象分割。

資料集下載映象地址如下（包括VOC2007和VOC2012）：

PASCAL：pattern analysis,statistical modelling and computationallearning 

VOC：visual object classes

該挑戰的主要目的是識別真實場景中一些類別的物體。在該挑戰中，這是一個監督學習的問題，訓練集以帶標籤的圖片的形式給出。這些物體包括20類：

• Person: person；

• Animal: bird, cat, cow, dog, horse, sheep；

• Vehicle: aeroplane, bicycle, boat, bus,car, motorbike, train；

• Indoor: bottle, chair, dining table, pottedplant, sofa, tv/monitor；

    

該挑戰主要包括三類任務：分類（classification），檢測（detection），和分割（segmentation）

 包括任務

Classification/DetectionCompetitions

Classification：對20類中的每一類，預測test image中該類的presence/absence； 

Detection：預測test image中物體的boundingbox以及該物體屬於20類中的哪一類；

對於這兩類任務，允許參與者通過兩種方式參與：

• 使用除VOC測試集以外的任何資料集來構建、訓練他們的分類/檢測系統；

• 僅使用VOC提供的訓練/校驗集來構建、訓練分類/檢測系統；

前者是為了衡量目前在這些任務上，我們的方法到底可以到達怎樣一種程度的成功；

後者則是為了建立一種在指定資料集上最為成功的方法。

Segmentation Competition

Segmentation：在test image上產生一個畫素級別的分割，給出每一個畫素屬於哪一類，包括“背景”類。

Action Classification  Competition

Action Classification：預測靜態影象中人做出的動作。 

該任務有兩種形式，一種是：影象中做出動作的人被一個bounding box框出來；

                           另一種是：影象中做出動作的人僅被一個點標示出來，該點落在這個人身體的某處。

後者面向的是基於影象中只給定一個人的大概位置的方法。

ImageNet LargeScale Visual Recognition Competition

該任務的內容是預測影象中的內容，這對影象檢索、自動標註等目標的實現有重要意義。

訓練集是ImageNet資料集（10,000,000張標註了的影象，包含10,000多類物體）的一個子集。

測試集在給出的時候沒有任何的標註、分割和標籤。該任務的目的是提出一種方法，可以產生一些標籤，對應著影象中出現了哪些物體。

VOC2012中只要求識別影象中出現的主要物體，不要求指定物體出現的位置，即只識別不定位。

Person LayoutTaster Competition

Person Layout：即人體輪廓佈局。該任務的目標是預測人體部位（頭，手，腳）的bounding box和對應的label》

資料集簡介

• 訓練集由一套影象組成：每個影象擁有一個對應的標註檔案，給出了影象中出現的物體的bounding box和class label，該

• 物體屬於上述20類中的某一類。同一張影象中，可能出現屬於多個類別的多個物體。

• 所有的標註圖片都有Detection需要的label，但只有部分資料有Segmentation Label。

• VOC2007中包含9963張標註過的圖片， 由train/val/test三部分組成， 共標註出24,640個物體。

• VOC2007的test資料label已經公佈， 之後的沒有公佈（只有圖片，沒有label）。

• 對於檢測任務，VOC2012的trainval/test包含08-11年的所有對應圖片。 trainval有11540張圖片共27450個物體。

• 對於分割任務， VOC2012的trainval包含07-11年的所有對應圖片， test只包含08-11。trainval有 2913張圖片共6929個物體。

• 這些影象中的一部分影象還擁有畫素級的標註，用於segmentationcompetition.

• 用於action classification的圖片集與用於classification/detection/segmentation的圖片集不相交。它們被部分地標註上了影象中人的bounding box，參考點和動作。

• 用於person layout taster的影象，被額外的標註上了人的身體部位（頭、手、腳），其測試集與主任務（classification/detection）的測試集不相交。

• 資料集按1:1的比例被分為訓練（驗證）集和測試集。這兩部分的影象中類別的分佈也大致相等。

資料集檔案結構

 Annotation

Annotations資料夾中存放的是xml格式的標籤檔案，每一個xml檔案都對應於JPEGImages資料夾中的一張圖片。

格式如下，我們以2007_000033.xml為例。

ImageSets

ImageSets存放的是每一種型別的challenge對應的影象資料。 

ImageSets下的四個資料夾，如下：

• Action下存放的是人的動作（running、jumping等等，這也是VOC challenge的一部分）

  

• Layout下存放的是人體部位（head、hand、feet等等，這也是VOC challenge的一部分）

• Main下存放的是影象物體識別的資料，總共分為20類

Main資料夾下包含了20個分類的***_train.txt、***_val.txt和***_trainval.txt。

這些txt中的內容都差不多如下：

前面的表示影象的name，後面的1代表正樣本，-1代表負樣本。

_train中存放的是訓練使用的資料，每一個class的train資料都有5717個；

_val中存放的是驗證結果使用的資料，每一個class的val資料都有5832個；

_trainval將上面兩個進行了合併，每一個class有11540個；

需要保證的是train和val兩者沒有交集，也就是訓練資料和驗證資料不能有重複，在選取訓練資料的時候，也應該是隨機產生的。

• Segmentation下存放的是可用於分割的圖片的編號。

  

        *_train中存放的是訓練集的圖片編號。

 
       *_val中存放的是驗證集的圖片編號。 

 
       *_trainval是上面兩者的合併集合。

 
       train和val包含的圖片沒有交集。

JPEGImages

JPEGImages資料夾中包含了PASCAL VOC所提供的所有的圖片，包含訓練圖片和測試圖片，共有17125張。圖片均以“年份_編號.jpg”格式命名。圖片的尺寸大小不一，所以在後面訓練的時候需要對圖片進行resize操作。

圖片的畫素尺寸大小不一，但是橫向圖的尺寸大約在500*375左右，縱向圖的尺寸大約在375*500左右，基本不會偏差超過100。（在之後的訓練中，第一步就是將這些圖片都resize到300*300或是500*500，所有原始圖片不能離這個標準過遠，具體resize方式可以看最下面github連結裡data.py。）

這些影象就是用來進行訓練和測試驗證的影象資料。

SegmentationClass

這裡麵包含了2913張圖片，每一張圖片都對應JPEGImages裡面的相應編號的圖片。 圖片的畫素顏色共有20種，對應20類物體。

SegmentationObject

這裡面同樣包含了2913張圖片，圖片編號都與Class裡面的圖片編號相同。

這裡面的圖片和Class裡面圖片的區別在於，這是針對Object的。

在Class裡面，一張圖片裡如果有多架飛機，那麼會全部標註為紅色。

而在Object裡面，同一張圖片裡面的飛機會被不同顏色標註出來。