因為最近在做語義分割，需要用到這個資料集。而通過對於官網的檢視和了解，發現這個資料集的用途非常的多，特此詳細記錄一下。

下載地址:點選下載

這個資料集的檔案目錄如下：

• Annotation
  
  • *.xml
• ImageSets
  
  • Action
    
    • *_train.txt
    • *_trainval.txt
    • *_val.txt
  • Layout
    
    • train.txt
    • trainval.txt
    • val.txt
  • Main
    
    • *_train.txt
    • *_trainval.txt
    • *_val.txt
  • Segmentation
    
    • train.txt
    • trainval.txt
    • val.txt
• JPEGImages
  
  • *.jpg
• SegmentationClass
  
  • *.png
• SegmentationObject
  
  • *.png

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。

<annotation>
    <folder>VOC2012</folder>
    <filename>2007_000033.jpg</filename>   //檔名
    <source>                               //檔案來源
        <database
 
>The VOC2007 Database</database>
        <annotation>PASCAL VOC2007</annotation>
        <image>flickr</image>
    </source>
    <size>                       //圖片的長，寬，通道數
        <width>500</width>
        <height>366</height>
        <depth>
 
3</depth>
    </size>
    <segmented>1</segmented>     //可否用於語義分割任務，1表示可以，也就是這張圖片在SegmentationClass/Object裡面有
    <object>                     //檢測的目標，如果有多個會有多個<object>標籤
        <name>aeroplane</name>   //目標類別
        <pose>Unspecified</pose> //拍攝角度
        <truncated>0</truncated> //是否被截斷, 0表示完整  
        <difficult>0</difficult> //目標是否難以識別, 0表示容易識別 
        <bndbox>                 //bounding-box, 包含左下角和右上角xy座標
            <xmin>9</xmin>
            <ymin>107</ymin>
            <xmax>499</xmax>
            <ymax>263</ymax>
        </bndbox>
    </object>
    <object>
        <name>aeroplane</name>
        <pose>Left</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>421</xmin>
            <ymin>200</ymin>
            <xmax>482</xmax>
            <ymax>226</ymax>
        </bndbox>
    </object>
    <object>
        <name>aeroplane</name>
        <pose>Left</pose>
        <truncated>1</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>325</xmin>
            <ymin>188</ymin>
            <xmax>411</xmax>
            <ymax>223</ymax>
        </bndbox>
    </object>
</annotation>

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：

• Action下存放的是人的動作（running、jumping等等）
• Layout下存放的是人體部位（head、hand、feet等等）
• Main下存放的是影象物體識別的資料，總共分為20類。
• 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，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。具體resize方式可以看最下面github連結裡data.py（覺得好的話拜託star一下~）

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。這裡面的圖片的畫素顏色共有20種，對應20類物體。比如所有飛機都會被標為紅色。

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。

AlexNet轉成FCN進行segmentation task的程式碼實現：