一、PASCAL VOC數據集

????????PASCAL VOC（Visual Object Classes）數據集是計算機視覺領域中廣泛使用的一個 標準數據集，用于目標檢測、圖像分割、圖像分類、動作識別等任務。該數據集由 PASCAL（Pattern Analysis, Statistical Modelling and Computational Learning） 網絡主辦的年度挑戰賽推出，旨在推動視覺對象識別技術的發展。

PASCAL VOC 數據集可以通過官方網站下載，每個版本的圖像和標注文件都可以獨立獲取：

The PASCAL Visual Object Classes Homepage

2012年數據集下載

????????2012 年 PASCAL 視覺對象類挑戰賽 （VOC2012）

1.1、數據集的版本

????????PASCAL VOC 數據集從2005年開始發布，最常用的版本包括2007、2010和2012年 版本。每個版本包含不同數量的圖像和注釋。

VOC2007：包括5011張訓練圖像和4952張測試圖像，總共9963張圖像。包含20 個類別。

VOC2010：圖像數量比VOC2007更多，并增加了更多復雜的場景。

VOC2012：進一步增加了數據集的大小和多樣性，包含11530張訓練和驗證圖像 （未公開test）。

1.2、數據集類別

PASCAL VOC 數據集包括以下20個類別（其他類、動物類、交通工具類、家具 類）：

1. Person（人）

2. Bird（鳥）

3. Cat（貓）

4. Cow（牛）

5. Dog（狗）

6. Horse（馬）

7. Sheep（羊）

8. Aeroplane（飛機）

9. Bicycle（自行車）

10. Boat（船）

11. Bus（公共汽車）

12. Car（汽車）

13. Motorbike（摩托車）

14. Train（火車）

15. Bottle（瓶子）

16. Chair（椅子）

17. Dining table（餐桌）

18. Potted plant（盆栽植物）

19. Sofa（沙發）

20. TV/monitor（電視/監視器）

1.3、?PASCAL VOC任務

1. 目標檢測：識別圖像中的所有目標，并給出每個目標的類別和邊界框。

2. 圖像分類：給出整幅圖像的類別標簽。

3. 語義分割：對圖像中的每個像素進行分類，標注其所屬類別。

4. 動作識別：識別圖像中人物的動作類別。

1.3.1、分類/檢測圖像示例

1.3.2、語義分割

定義：

????????語義分割的目標是將圖像中的每個像素分類到預定義的類別中，而不區分同一類別中 的不同個體。

特點：

????????類別級別分類：每個像素被分配到一個類別，例如，所有的汽車像素被分類為“汽 車”。

????????不區分實例：同一類別的不同個體在結果中不區分，例如，圖像中所有的汽車像 素都被標記為“汽車”，而不會區分它們屬于不同的汽車。

例子：

????????在一張包含兩只貓和一只狗的圖片中，語義分割的結果是將所有貓的像素標記為 “貓”，將狗的像素標記為“狗”，而不會區分兩只不同的貓。

應用：

????????自動駕駛汽車中的道路和障礙物檢測。

????????醫學圖像處理中的組織和器官分割。

1.3.3、實例分割?

定義：

????????實例分割的目標是將圖像中的每個像素不僅分類到預定義的類別中，還要區分同一類 別中的不同個體。

特點：

????????類別級別和實例級別分類：每個像素不僅被分配到一個類別，還被分配到一個實 例，例如，不僅區分“汽車”，還區分每輛不同的汽車。

????????區分實例：同一類別的不同個體在結果中被區分開來，例如，圖像中兩輛不同的 汽車會被標記為“汽車1”和“汽車2”。

例子：

????????在一張包含兩只貓和一只狗的圖片中，實例分割的結果是將兩只貓分別標記為“貓1” 和“貓2”，并將狗標記為“狗”。

應用：

????????機器人視覺中的對象識別和抓取。

????????計算機視覺中的多對象跟蹤和分析。

1.4、數據集結構?

PASCAL VOC 數據集的文件結構通常包括以下幾個部分：

????????JPEGImages：存放所有圖像文件，格式為JPEG。

????????Annotations：存放圖像的標注文件，格式為XML。每個XML文件對應一張圖 像，包含圖像中每個對象的類別、邊界框坐標等信息。

????????ImageSets：包含不同任務（如Main、Segmentation、Layout、Action）下的 訓練、驗證和測試集的劃分文件。

???????????????? Main：用于分類和檢測任務。

????????????????Segmentation：用于分割任務。

????????????????Layout：用于物體布局任務。

????????????????Action：用于動作識別任務。

1.5、標注文件示例

<annotation>  <!-- 文件夾名稱 -->  <folder>VOC2012</folder>  <!-- 圖像文件名 -->  <filename>2007_000033.jpg</filename>  <!-- 圖像來源信息 -->  <source>  <database>The VOC2007 Database</database> <!-- 數據庫名稱 -->  <annotation>PASCAL VOC2007</annotation> <!-- 數據集名稱 -->  <image>flickr</image> <!-- 圖像來源平臺 -->  </source>  <!-- 圖像尺寸信息 -->  <size>  <width>500</width> <!-- 圖像寬度 -->  <height>366</height> <!-- 圖像高度 -->  <depth>3</depth> <!-- 圖像深度（RGB三通道） -->  </size>  <!-- 是否進行過分割，1表示是 -->  <segmented>1</segmented>  <!-- 第一個對象（飛機） -->  <object>  <name>aeroplane</name> <!-- 對象類別：飛機 -->  <pose>Unspecified</pose> <!-- 姿態：未指定 -->  <truncated>0</truncated> <!-- 未截斷 -->  <difficult>0</difficult> <!-- 不是難以識別的對象 -->  <bndbox>  <xmin>9</xmin> <!-- 邊界框左上角X坐標 -->  <ymin>107</ymin> <!-- 邊界框左上角Y坐標 -->  <xmax>499</xmax> <!-- 邊界框右下角X坐標 -->  <ymax>263</ymax> <!-- 邊界框右下角Y坐標 -->  </bndbox>  </object>  <!-- 第二個對象（飛機） -->  <object>  <name>aeroplane</name> <!-- 對象類別：飛機 -->  <pose>Left</pose> <!-- 姿態：向左 -->  <truncated>0</truncated> <!-- 未截斷 -->  <difficult>0</difficult> <!-- 不是難以識別的對象 -->  <bndbox>  <xmin>421</xmin> <!-- 邊界框左上角X坐標 -->  <ymin>200</ymin> <!-- 邊界框左上角Y坐標 -->  <xmax>482</xmax> <!-- 邊界框右下角X坐標 -->  <ymax>226</ymax> <!-- 邊界框右下角Y坐標 -->  </bndbox>  </object>  <!-- 第三個對象（飛機，部分被截斷） -->  <object>  <name>aeroplane</name> <!-- 對象類別：飛機 -->  <pose>Left</pose> <!-- 姿態：向左 -->  <truncated>1</truncated> <!-- 被截斷 -->  <difficult>0</difficult> <!-- 不是難以識別的對象 -->  <bndbox>  <xmin>325</xmin> <!-- 邊界框左上角X坐標 -->  <ymin>188</ymin> <!-- 邊界框左上角Y坐標 -->  <xmax>411</xmax> <!-- 邊界框右下角X坐標 -->  <ymax>223</ymax> <!-- 邊界框右下角Y坐標 -->  </bndbox>  </object>  
</annotation>