当前位置：首页 > java >正文

PASCAL VOC数据集分析及下载、解压

java 2025/6/30 21:54:21

由于跑代码过程中用到的是VOC2007数据集，就直接说明VOC2007数据集的下载与解压

一、数据集的下载与解压

Pascal VOC2007
1.输入以下命令下载训练、验证、测试数据和工具包

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

2.再把这些压缩文件解压到一个叫做VOCdevkit的文件夹下

tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar

注意要同时输入这三句命令解压
3.然后可以看到应该有下面这样的结构：

$VOCdevkit/ # development kit
$VOCdevkit/VOCcode/ # VOC utility code
$VOCdevkit/VOC2007 # image sets, annotations, etc.
#… and several other directories …

（我的解压完如下）
在这里插入图片描述

二、PASCAL VOC数据集的分析

（此处为参考多篇博客及其他资料学习后的总结，若有不对请多多指教）
首先提供官方下载地址：
https://pjreddie.com/projects/pascal-voc-dataset-mirror/
1.简介
PASCAL VOC从2005年开始举办挑战赛，内容从最开始的分类，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，数据集的容量以及种类也在不断的增加和改善。
本文主要分析PASCAL VOC数据集中和图像中物体识别相关的内容。
以PASCAL VOC2007为例，在一、数据集的下载与解压后在VOCdevkit目录下的VOC2007中看到如下的文件：
在这里插入图片描述其中Annotations、ImageSets和JPEGImages主要用于识别，SegmentationClass和SegmentationObject用于分割。

Annotations：存放的是标记文件，采用xml格式，对JPEGImages文件夹中的每一张图片进行信息的标注。
例如000001.jpg和对应的xml文件具体如下：

<annotation><folder>VOC2007</folder><filename>000001.jpg</filename>  # 文件名 <source>                          # 图像的来源<database>The VOC2007 Database</database><annotation>PASCAL VOC2007</annotation><image>flickr</image><flickrid>341012865</flickrid></source><owner>                         #拥有者<flickrid>Fried Camels</flickrid><name>Jinky the Fruit Bat</name></owner><size>  # 图像尺寸, 长、宽及通道数<width>353</width><height>500</height><depth>3</depth></size><segmented>0</segmented>  # 是否用于分割，在识别任务中0和1无所谓<object>               # 检测到的物体，表明这个是一个目标，下面的是与该目标相关的信息<name>dog</name>  # 物体类别<pose>Left</pose>  # 拍摄角度（包括：front, rear, left, right, unspecified ）<truncated>1</truncated>  # 目标是否被截断（比如一部分在图片之外），或者被遮挡（超过15%），0代表完整<difficult>0</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，0代表容易识别<bndbox>      # bounding box 的左上角点和右下角点的4个坐标值<xmin>48</xmin><ymin>240</ymin><xmax>195</xmax><ymax>371</ymax></bndbox></object><object>        # 除了上边的又检测到的物体，表明检测到多个物体<name>person</name><pose>Left</pose><truncated>1</truncated><difficult>0</difficult><bndbox><xmin>8</xmin><ymin>12</ymin><xmax>352</xmax><ymax>498</ymax></bndbox></object>
</annotation>

ImageSets ：存放的是图像数据，包含三个子文件夹 Layout、Main、Segmentation。其中 Main 存放的是用于分类和检测的数据集的分割文件，一共20个种类， Layout和Segmentation分别是人的身体部位和用于分割的数据。
其中Main文件夹中：包括
_train.txt：用于训练的图片名称
_val.txt ：用于验证的图片名称
_trainval.txt： train与val的合集（训练数据和验证数据无交集，即一张图片不可能同时属于训练集又属于验证集）
_test.txt ：用于测试的图片名称

每一个.txt文件打开后，如下：
在这里插入图片描述前面的是图像名称，后边的+1和-1分别代表正负样本。上图即代表在训练集中这张图片（000012）是aeroplane的话为1，不是则为-1。其他所有的 (class)_(imgset).txt 文件都是类似的。

JPEGImages：存放的是 .jpg 格式的图片，包括了所有训练图片和测试图片。
SegmentationClass：存放的是按照类别分割后的图片
SegmentationObject：存放的是按照物体分割后的图片
参考：https://arleyzhang.github.io/articles/1dc20586/
https://blog.csdn.net/zhangjunbob/article/details/52769381