Pascal VOC 数据集

PASCAL VOC挑战赛 （The PASCAL Visual Object Classes ）是一个世界级的计算机视觉挑战赛，PASCAL（Pattern Analysis, Statical Modeling and Computational Learning）是一个由欧盟资助的网络组织。PASCAL VOC挑战赛主要包括以下几类：图像分类Object Classification)，目标检测(Object Detection)，目标分割(Object Segmentation)，行为识别(Action Classification) 等。

计算机视觉模型比如分类，定位，检测，分割，动作识别等模型都是基于PASCAL VOC挑战赛及其数据集上推出的，尤其是一些目标检测模型（如R-CNN系列，YOLO，SSD等）。PASCAL VOC从2005年开始举办挑战赛，每年的内容都有所不同，从最开始的分类，到后面逐渐增加检测，分割，人体布局，动作识别（Object Classification 、Object Detection、Object Segmentation、Human Layout、Action Classification）等内容，数据集的容量以及种类也在不断的增加和改善。该项挑战赛催生出了一大批优秀的计算机视觉模型（尤其是以深度学习技术为主的）。

目标检测

分割

语义分割，实例分割，全景分割。 语义分割是所有物体分割出来，用相同颜色标注，实例分割是不同物体用不同颜色标注出来，全景分割是把背景也分割出来，实例分割的升级。

行为识别

人体部位识别

下载

官网下载地址： http://host.robots.ox.ac.uk/pascal/VOC/voc2012/

进入网站后，下拉界面，然后点击Contents下的Data目录跳转至数据集下载

跳转后点击Development Kit下的第一项文件下载

下载速度较快，下载完成后解压，目录结构如图

• Annotations 目录下为图像的标记信息，文件格式为xml

• ImageSets 目录下为数据集，包括人体动作相关数据（Action），人体部位相关数据（Layout），目标检测相关数据（main），图像分割相关数据（Segmentation）

  每个数据目录下面都会有三个文件

  train.txt 训练集相关数据

  val.txt 验证集相关数据

  trainval.txt 训练集与验证集合并后的相关数据

• JPEGImages VOC 2012 数据集提供的所有的 .jpg 格式的图片，训练集和测试集一共 17125 张，命名格式：“年份_编号.jpg”，与 Annotations 中的标签相对应，图片的像素尺寸不相同。

  

• SegmentationClass 语义分割标注掩模图，一共 2913 张

• SegmentationObject 实例分割标注掩模图，一共 2913 张

VOCdevkit
    └── VOC2012
         ├── Annotations               所有的图像标注信息(XML文件)
         ├── ImageSets    
         │   ├── Action                人的行为动作图像信息
         │   ├── Layout                人的各个部位图像信息
         │   │
         │   ├── Main                  目标检测分类图像信息
         │   │     ├── train.txt       训练集(5717)
         │   │     ├── val.txt         验证集(5823)
         │   │     └── trainval.txt    训练集+验证集(11540)
         │   │
         │   └── Segmentation          目标分割图像信息
         │         ├── train.txt       训练集(1464)
         │         ├── val.txt         验证集(1449)
         │         └── trainval.txt    训练集+验证集(2913)
         │ 
         ├── JPEGImages                所有图像文件
         ├── SegmentationClass         语义分割png图（基于类别）
         └── SegmentationObject        实例分割png图（基于目标）

层次结构

PASCAL VOC 数据集的20个类别及其层级结构：

四个大类：vehicle，household，animal，person

20个小类：预测的时候是只输出图中黑色粗体的类别

从2005年的 bicycles, cars, motorbikes, people四个类别，图片1578张，包含已标注的2209个目标对象，到2007年类别扩展到20个，9963张图片，包含24640个已标注对象。直到2012年每年的数据集都在不断增大，完善多个子集和标注信息，详情可参考官网信息。

数据集统计

trainval部分的数据统计

标注信息

Annotations目录下为标注的信息，每个图像对应一个xml文件，如标注信息：

<annotation>
        <filename>2012_004331.jpg</filename>
        <folder>VOC2012</folder>
        <object>
                <name>person</name>
                <actions>
                        <jumping>1</jumping>
                        <other>0</other>
                        <phoning>0</phoning>
                        <playinginstrument>0</playinginstrument>
                        <reading>0</reading>
                        <ridingbike>0</ridingbike>
                        <ridinghorse>0</ridinghorse>
                        <running>0</running>
                        <takingphoto>0</takingphoto>
                        <usingcomputer>0</usingcomputer>
                        <walking>0</walking>
                </actions>
                <bndbox>
                        <xmax>208</xmax>
                        <xmin>102</xmin>
                        <ymax>230</ymax>
                        <ymin>25</ymin>
                </bndbox>
                <difficult>0</difficult>
                <pose>Unspecified</pose>
                <point>
                        <x>155</x>
                        <y>119</y>
                </point>
        </object>
        <segmented>0</segmented>
        <size>
                <depth>3</depth>
                <height>375</height>
                <width>500</width>
        </size>
        <source>
                <annotation>PASCAL VOC2012</annotation>
                <database>The VOC2012 Database</database>
                <image>flickr</image>
        </source>
</annotation>

对应的图片

• filename ：文件名

• source，owner：图片来源，及拥有者

• size：图片大小

• segmented：是否分割

• object：表明这是一个目标，里面的内容是目标的相关信息

• • name：object名称，20个类别
  • pose：拍摄角度：front, rear, left, right, unspecified
  • truncated：目标是否被截断（比如在图片之外），或者被遮挡（超过15%）
  • difficult：检测难易程度，这个主要是根据目标的大小，光照变化，图片质量来判断 difficult 标签示例：图中白色虚线，被标记为 difficult