前言

做深度學習目標檢測方面的同學怎麼都會接觸到PASCAL VOC這個資料集。也許很少用到整個資料集，但是一般都會按照它的格式準備自己的資料集。所以這裡就來詳細的記錄一下PASCAL VOC的格式，包括目錄構成以及各個資料夾的內容格式，方便以後自己按照VOC的標準格式製作自己的資料集。

正文

相關網址

VOCdevkit資料夾

資料集下載後解壓得到一個名為VOCdevkit的資料夾，該資料夾結構如下：

.
└── VOCdevkit     #根目錄
    └── VOC2012   #不同年份的資料集，這裡只下載了2012的，還有2007等其它年份的
        ├── Annotations        #存放xml檔案，與JPEGImages中的圖片一一對應，解釋圖片的內容等等
 

        ├── ImageSets          #該目錄下存放的都是txt檔案，txt檔案中每一行包含一個圖片的名稱，末尾會加上±1表示正負樣本
        │   ├── Action
        │   ├── Layout
        │   ├── Main
        │   └── Segmentation
        ├── JPEGImages         #存放源圖片
        ├── SegmentationClass  #存放的是圖片，分割後的效果，見下文的例子
        └── SegmentationObject #存放的是圖片，分割後的效果，見下文的例子
 

這裡大概介紹一下各個資料夾的內容，更細節的介紹將在後文給出：
- Annotation資料夾存放的是xml檔案，該檔案是對圖片的解釋，每張圖片都對於一個同名的xml檔案。
- ImageSets資料夾存放的是txt檔案，這些txt將資料集的圖片分成了各種集合。如Main下的train.txt中記錄的是用於訓練的圖片集合
- JPEGImages資料夾存放的是資料集的原圖片
- SegmentationClass以及SegmentationObject資料夾存放的都是圖片，且都是影象分割結果圖（樓主沒用過，所以不清楚）

Annotation資料夾

Annotation資料夾的內容如下：

<annotation>
    <folder>VOC2012</folder>  #表明圖片來源
    <filename>2007_000027.jpg</filename> #圖片名稱
    <source>                  #圖片來源相關資訊
        <database>The VOC2007 Database</database>
        <annotation>PASCAL VOC2007</annotation>
        <image>flickr</image>
    </source>
    <size>     #影象尺寸
        <width>486</width>
        <height>500</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented> #是否用於分割
    <object>  #包含的物體
        <name>person</name> #物體類別
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>  #物體的bbox
            <xmin>174</xmin>
            <ymin>101</ymin>
            <xmax>349</xmax>
            <ymax>351</ymax>
        </bndbox>
        <part> #物體的頭
            <name>head</name>
            <bndbox>
                <xmin>169</xmin>
                <ymin>104</ymin>
                <xmax>209</xmax>
                <ymax>146</ymax>
            </bndbox>
        </part>
        <part>   #物體的手
            <name>hand</name>
            <bndbox>
                <xmin>278</xmin>
                <ymin>210</ymin>
                <xmax>297</xmax>
                <ymax>233</ymax>
            </bndbox>
        </part>
        <part>
            <name>foot</name>
            <bndbox>
                <xmin>273</xmin>
                <ymin>333</ymin>
                <xmax>297</xmax>
                <ymax>354</ymax>
            </bndbox>
        </part>
        <part>
            <name>foot</name>
            <bndbox>
                <xmin>319</xmin>
                <ymin>307</ymin>
                <xmax>340</xmax>
                <ymax>326</ymax>
            </bndbox>
        </part>
    </object>
</annotation>

ImageSets資料夾

ImageSets包含如下四個子資料夾：

各個資料夾中存放的是各種用途的TXT檔案。例如在Main資料夾下有名為aeroplane_train.txt的檔案，顧名思義是用於飛機類別的訓練資料。該txt的具體內容如下，其中±1應該表示的是正負樣本的含義（沒有具體研究）：

2008_000008 -1
2008_000015 -1
2008_000019 -1
2008_000023 -1
2008_000028 -1
2008_000033  1
2008_000036 -1
2008_000037  1
2008_000041 -1
2008_000045 -1

其中包含的train.txt以及trainval.txt等檔案內容與上面類似。不過博主發現train.txt和trainval.txt內容中光有圖片的名字，末尾沒有標註正負1.

JEPGImages資料夾

該資料夾存放的是資料集的所有源圖片，內容如下：

SegmentationClass資料夾

還沒有涉及影象分割領域，不太清楚該資料夾下圖片的用處，截圖貼上來吧：

SegmentationObject資料夾

同上，把內容截圖上傳：