Pascal VOC 数据集格式

Pascal VOC 数据集格式是目标检测任务中常用的一种数据组织方式。它不仅包含图像文件，还包含与之对应的标注文件（通常是 XML 格式），用于描述图像中目标的位置和类别。以下是 Pascal VOC 数据集格式的详细说明：

数据集结构

Pascal VOC 数据集通常具有以下目录结构：

复制

/VOCdevkit
    /VOC2007
        /Annotations
            000001.xml
            000002.xml
            ...
        /JPEGImages
            000001.jpg
            000002.jpg
            ...
        /ImageSets
            /Main
                train.txt
                val.txt
                trainval.txt
                test.txt

 

1. Annotations

• 内容：存放标注文件，通常是 XML 格式。
• 文件名：与对应的图像文件名相同，但扩展名为 .xml。
• 格式：每个 XML 文件包含图像中所有目标的标注信息。以下是一个示例 XML 文件的内容：

xml

复制

<annotation>
    <folder>VOC2007</folder>
    <filename>000001.jpg</filename>
    <source>
        <database>The VOC2007 Database</database>
        <annotation>PASCAL VOC2007</annotation>
        <image>flickr</image>
    </source>
    <size>
        <width>353</width>
        <height>500</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>
    <object>
        <name>dog</name>
        <pose>Unspecified</pose>
        <truncated>1</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>48</xmin>
            <ymin>240</ymin>
            <xmax>195</xmax>
            <ymax>371</ymax>
        </bndbox>
    </object>
    <object>
        <name>cat</name>
        <pose>Unspecified</pose>
        <truncated>1</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>8</xmin>
            <ymin>12</ymin>
            <xmax>352</xmax>
            <ymax>498</ymax>
        </bndbox>
    </object>
</annotation>

 

XML 文件字段说明

• <folder>：数据集名称（如 VOC2007）。
• <filename>：图像文件名。
• <source>：数据来源信息。
• <size>：图像的尺寸信息。
  • <width>：图像宽度。
  • <height>：图像高度。
  • <depth>：图像通道数（通常是 3，表示 RGB 图像）。
• <segmented>：是否进行了像素级分割（0 表示未分割）。
• <object>：图像中的一个目标对象。
  • <name>：目标的类别名称（如 dog、cat 等）。
  • <pose>：目标的姿态（通常是 Unspecified）。
  • <truncated>：目标是否被截断（1 表示是，0 表示否）。
  • <difficult>：目标是否难以识别（1 表示是，0 表示否）。
  • <bndbox>：目标的边界框坐标。
    • <xmin>：边界框左上角的 x 坐标。
    • <ymin>：边界框左上角的 y 坐标。
    • <xmax>：边界框右下角的 x 坐标。
    • <ymax>：边界框右下角的 y 坐标。

2. JPEGImages

• 内容：存放图像文件，通常是 JPEG 格式。
• 文件名：与对应的标注文件名相同，但扩展名为 .jpg 或 .jpeg。

3. ImageSets/Main

• 内容：存放训练集、验证集和测试集的索引文件。
• 文件名：
  • train.txt：包含训练集图像的文件名（不带扩展名）。
  • val.txt：包含验证集图像的文件名（不带扩展名）。
  • trainval.txt：包含训练集和验证集图像的文件名（不带扩展名）。
  • test.txt：包含测试集图像的文件名（不带扩展名）。
• 格式：每个文件包含一行行的图像文件名，例如：

复制

000001
000002
000003
...

 

示例

假设你有以下图像和标注文件：

• 图像文件：000001.jpg、000002.jpg
• 标注文件：000001.xml、000002.xml

对应的目录结构如下：

复制

/VOCdevkit
    /VOC2007
        /Annotations
            000001.xml
            000002.xml
        /JPEGImages
            000001.jpg
            000002.jpg
        /ImageSets
            /Main
                train.txt
                val.txt
                trainval.txt
                test.txt

 

假设 train.txt 和 val.txt 的内容如下：

• train.txt：

000001

 

• val.txt：

000002

 

使用 LabelImg 生成 Pascal VOC 格式标注

1. 打开 LabelImg：启动 LabelImg 后，点击“Open Dir”按钮选择包含图像的文件夹。
2. 创建标注框：选择图像后，点击“Create RectBox”按钮或使用快捷键 W 创建矩形框。
3. 输入标签：在弹出的对话框中输入标签名称（如 dog、cat 等）。
4. 保存标注：点击“Save”按钮保存标注文件，LabelImg 会自动生成对应的 XML 文件。

通过以上步骤，你可以轻松创建符合 Pascal VOC 格式的标注数据集，用于训练目标检测模型（如 Faster R-CNN）。