目标检测数据集 - PASCAL VOC2012

这篇具有很好参考价值的文章主要介绍了目标检测数据集 - PASCAL VOC2012。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

1. PASCAL VOC2012

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全称: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),动作识别(Action Classification)等。

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

Classification and detection

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

Segmentation

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

Action classification

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

Person layout

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

PASCAL VOC2012下载链接:http://host.robots.ox.ac.uk/pascal/VOC/voc2012/

进入首页,在目录Contents下找到 Development Kit,进入后,点击Download the training/validation data (2GB tar file)即可下载。

测试集下载链接:http://host.robots.ox.ac.uk:8080/eval/downloads/VOC2012test.tar

PASCAL VOC2012针对分类与目标检测,共有20个类别。

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

目录结构

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

在Annotations中,每个图像就对应一个XML文件,如:

<annotation>
	<folder>VOC2012</folder>  <!-- 文件夹 -->
	<filename>2007_000187.jpg</filename> <!-- 文件名称 -->
	<source>  <!-- 数据来源 -->
		<database>The VOC2007 Database</database>
		<annotation>PASCAL VOC2007</annotation>
		<image>flickr</image>
	</source>
	<size>  <!-- 图像的宽度、高度、通道数 -->
		<width>500</width>
		<height>375</height>
		<depth>3</depth>
	</size>
	<segmented>1</segmented>  <!-- 图像是否可进行图像分割 -->
	<object>  <!-- 图像中的目标 -->
		<name>tvmonitor</name>  <!-- 目标的类别 -->
		<pose>Frontal</pose>
		<truncated>1</truncated>  <!-- 目标是否被截断 在我们自己标注图像时,当我们标注的目标在图像边缘附近,该属性就会为1 -->
		<difficult>0</difficult>  <!-- 检测的难度 -->
		<bndbox>  <!-- 边界框左上角,右下角的坐标 -->
			<xmin>1</xmin>
			<ymin>95</ymin>
			<xmax>240</xmax>
			<ymax>336</ymax>
		</bndbox>
	</object>
</annotation>

所以,在我们后面读取数据集的时候,就要来解析XML文件。

对于目标检测,我们主要会用到ImageSets下,Main目录中的内容。主要涉及到train.txtval.txttrainval.txt这三个文件。

trainval.txt是将train.txtval.txt融合在一起了。train.txtval.txt是互斥的。

此外,在Main文件夹下,还包含其他的txt文件,如boat_train.txtboat_val.txt等,这是针对单个物体的文件,如在boat_train.txt文件中:

2008_000008 -1
2008_000148  1
2008_000191  0

其中,2008_000008这种是图像的名称。-1代表是该图像中没有船,0代表船这个目标检测起来是有困难的,1代表存在有船这个目标。

载入图像信息流程(针对目标检测)

1.读入Main文件夹下的train.txt文件,获取每一行信息(即每一个图像的名称)

2.根据图像的名称,到Annotations目录下,找到对应的xml文件

3.解析xml文件

4.根据图像的名称,到JPEGImages目录下,找到对应的图像文件,载入内存


2. 标注自己的数据集

图像标注软件:LabelImgLabelme

推荐使用:LabelImg,可以生成xml文件。Labelme主要生成的是JSON文件。

安装LabelImg

pip install labelImg

简单使用流程:

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

  • 打开项目文件夹,->data->predefined_classes.txt修改标注类别信息

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

  • 打开软件

    启动命令:

    # labelimg 图像文件夹路径 类别文件
    labelimg labelme ./image ./classes.txt 
    

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

  • 设置图像文件所在目录,以及标注文件保存目录

    点击改变存放目录,来设置标注文件保存目录。

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

  • 标注图像,并保存

    点击创建区块,来进行绘制图框

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

然后,进行绘制,并且选取类别

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

如果认为,该目标检测起来是有难度的,则进行勾选

目标检测数据集 - PASCAL VOC2012,AI,目标检测,人工智能,计算机视觉

全部标注完成后,点击保存,这样标注信息文件便保存至我们指定的保存目录中了。文章来源地址https://www.toymoban.com/news/detail-812259.html

到了这里,关于目标检测数据集 - PASCAL VOC2012的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 人工智能学习07--pytorch23--目标检测:Deformable-DETR训练自己的数据集

    1、pytorch conda create -n deformable_detr python=3.9 pip 2、激活环境 conda activate deformable_detr 3、torch 4、其他的库 pip install -r requirements.txt 5、编译CUDA cd ./models/ops sh ./make.sh #unit test (should see all checking is True) python test.py (我没运行这一步) 主要是MultiScaleDeformableAttention包,如果中途换了

    2024年02月14日
    浏览(36)
  • [数据集][目标检测]垃圾目标检测数据集VOC格式14963张44类别

    数据集格式:Pascal VOC格式(不包含分割的txt文件,仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):14963 标注数量(xml文件个数):14963 标注类别数:44 标注类别名称:[\\\"toiletries\\\",\\\"plastic utensils\\\",\\\"seasoning bottles\\\",\\\"leftovers\\\",\\\"chopsticks\\\",\\\"ceramic utensils\\\",\\\"pots\\\",\\\"metal utensils\\\",\\\"cutting boards\\\",\\\"ol

    2024年02月11日
    浏览(31)
  • [数据集][目标检测]道路坑洼目标检测数据集VOC格式1510张2类别

    数据集格式:Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件,仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):1510 标注数量(xml文件个数):1510 标注类别数:2 标注类别名称:[\\\"keng\\\",\\\"jingai\\\"] 每个类别标注的框数: keng count = 3166 jingai count = 442 使用标注工具:labelI

    2024年02月12日
    浏览(26)
  • [数据集][目标检测]钢材表面缺陷目标检测数据集VOC格式2279张10类别

    数据集格式:Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件,仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):2279 标注数量(xml文件个数):2279 标注类别数:10 标注类别名称:[\\\"yueyawan\\\",\\\"siban\\\",\\\"hanfeng\\\",\\\"chongkong\\\",\\\"shuiban\\\",\\\"yahen\\\",\\\"youban\\\",\\\"yaozhe\\\",\\\"zhehen\\\",\\\"yiwu\\\"] 每个类别标注的

    2024年02月12日
    浏览(34)
  • [数据集][目标检测]PCB板缺陷目标检测数据集VOC格式693张6类别

    数据集格式:Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件,仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):693 标注数量(xml文件个数):693 标注类别数:6 标注类别名称:[\\\"missing_hole\\\",\\\"spurious_copper\\\",\\\"spur\\\",\\\"mouse_bite\\\",\\\"open_circuit\\\",\\\"short\\\"] 每个类别标注的框数: missin

    2024年02月12日
    浏览(26)
  • YOLO目标检测——VOC2007数据集+已标注VOC格式标签下载分享

    VOC2007数据集是一个经典的目标检测数据集,该数据集包含了20个常见的目标类别,涵盖了人、动物、交通工具等多个领域,共同11220图片。使用lableimg标注软件标注,标注框质量高,标签格式为VOC格式(即xml标签),可以直接用于YOLO系列的目标检测。 数据集点击下载 :YOLO目

    2024年02月09日
    浏览(35)
  • [数据集][目标检测]昆虫检测数据集VOC+YOLO格式1873张7类别

    数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):1873 标注数量(xml文件个数):1873 标注数量(txt文件个数):1873 标注类别数:7 标注类别名称:[\\\"Boerner\\\",\\\"Leconte\\\",\\\"Linnaeus\\\",\\\"acuminatus\\\",\\\"arma

    2024年03月19日
    浏览(49)
  • [数据集][目标检测]裸土识别裸土未覆盖目标检测数据集VOC格式857张2类别

    数据集格式:Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件,仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):857 标注数量(xml文件个数):857 标注类别数:2 标注类别名称:[\\\"luotu\\\",\\\"normal\\\"] 每个类别标注的框数: luotu count = 863 normal count = 30 使用标注工具:labelImg

    2024年02月09日
    浏览(30)
  • [数据集][VOC][目标检测]河道垃圾水面漂浮物数据集目标检测可用yolo训练-1304张介绍

    数据集格式:Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件,仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):1304 标注数量(xml文件个数):1304 标注类别数:1 标注类别名称:[\\\"trash\\\"] 每个类别标注的框数: trash count = 1386 数据集详细介绍: [数据集介绍][目标检测

    2024年02月05日
    浏览(49)
  • 【目标检测】YOLOv5跑通VOC2007数据集

    如果经常阅读我博客的读者,想必对YOLOv5并不陌生。在Pytorch:YOLO-v5目标检测(上)一文中,我使用了coco128数据集,非常轻松的跑通了。然而在使用VOC2007数据集时,却遇到重重阻碍。主要问题在数据标签转化这个阶段,VOC数据集标注形式是xml,需要将其转换为txt。很多博文并未

    2024年02月06日
    浏览(26)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包