目标检测数据集PASCAL VOC详解

目标检测之YOLO算法：YOLOv1,YOLOv2,YOLOv3,TinyYOLO,YOLOv4,YOLOv5,YOLObile,YOLOF详解：

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。

很多优秀的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（比如大名鼎鼎的R-CNN系列，以及后面的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）。

我们知道在 ImageNet挑战赛上涌现了一大批优秀的分类模型，而PASCAL挑战赛上则是涌现了一大批优秀的目标检测和分割模型，这项挑战赛已于2012年停止举办了，但是研究者仍然可以在其服务器上提交预测结果以评估模型的性能。

虽然近期的目标检测或分割模型更倾向于使用MS COCO数据集，但是这丝毫不影响 PASCAL VOC数据集的重要性，毕竟PASCAL对于目标检测或分割类型来说属于先驱者的地位。对于现在的研究者来说比较重要的两个年份的数据集是 PASCAL VOC 2007 与 PASCAL VOC 2012，这两个数据集频频在现在的一些检测或分割类的论文当中出现。

本文也是以PASCAL VOC 2007 和 2012 为例简要介绍VOC数据集的结构。

PASCAL VOC 数据集的20个类别及其层级结构：

简要提一下在几个关键时间点数据集的一些关键变化，详细的请查看PASCAL VOC主页：

对于分类和检测来说，也就是下图所示的发展历程，相同颜色的代表相同的数据集：

分割任务的数据集变化略有不同：

2012年是最后一次挑战赛，最终用于分类和检测的数据集规模为：train/val ：11540 张图片，包含 27450 个已被标注的 ROI annotated objects ；用于分割的数据集规模为：trainval：2913张图片，6929个分割，用于其他任务的不再细说，参考这里。

即便挑战赛结束了，但是研究者们仍然可以上传预测结果进行评估。上传入口：PASCAL VOC Evaluation Server。

目前广大研究者们普遍使用的是 VOC2007和VOC2012数据集，因为二者是互斥的，不相容的。

论文中针对 VOC2007和VOC2012 的具体用法有以下几种：

在各自数据集上分别进行建模和评测的用法比较少，基本上在早期论文里出现就是起个对照作用；现在的大部分论文都会为了增加数据量而将二者合起来使用。

由于现在的研究基本上都是在VOC2007和VOC2012上面进行，因此只介绍这两个年份的。

一些示例图片展示：Classification/detection example images

数据集总体统计：

以上是数据集总体的统计情况，这个里面是包含了测试集的，可见person 类是最多的。

训练集，验证集，测试集划分情况：

这里我就只贴出用于分类和检测的划分情况，关于分割或者其他任务的划分方式点击这里查看。

一些示例图片展示：Classification/detection example images

数据集总体统计：

这个统计是没有包含 test部分的，仍然是person类最多。

trainval部分的数据统计：

test部分没有公布，同样的 除了分类和检测之外的数据统计，参考这里

VOC 2007 与 2012 数据集及二者的并集 数据量对比：

黑色字体所示数字是官方给定的，由于VOC2012数据集中 test 部分没有公布，因此红色字体所示数字为估计数据，按照PASCAL 通常的划分方法，即 trainval 与test 各占总数据量的一半。

数据集的标注还是很谨慎的，有专门的标注团队，并遵从统一的标注标准，参考guidelines。

标注信息是用 xml 文件组织的如下：

每一类都有一个txt文件，里面每一行都是测试集中的一张图片，前面一列是图片名称，后面一列是预测的分数。

comp1_cls_test_car.txt:

comp3_det_test_car.txt:

每一类都有一个txt文件，里面每一行都是测试集中的一张图片，每行的格式按照如下方式组织：

confidence 用来计算 mAP。

PASCAL的评估标准是 mAP(mean average precision)

关于mAP不再详细解释，参考以下资料：

这里简单的提一下：

下面是一个二分类的P-R曲线（precision-recall curve），对于PASCAL来说，每一类都有一个这样的 P-R曲线，P-R曲线下面与x轴围成的面积称为 average precision，每个类别都有一个 AP, 20个类别的AP 取平均值就是 mAP。

PASCAL官方给了评估脚本mAP的脚本和示例代码development kit code and documentation，是用MATLAB写的。

数据集的下载:

或者支直接点击下面链接下载：

上面的解压命令会将VOC2007的trainval和test解压到一块，数据会混在一起，如果不想，可以自己指定解压路径。以VOC 2007 为例，解压后的文件：

Annotations 文件夹：

以xml 文件的形式，存放标签文件，文件内容如前述，文件名与图片名是一样的，6位整数。

ImageSets文件夹：

存放数据集的分割文件。

包含三个子文件夹 Layout，Main，Segmentation，其中Main文件夹存放的是用于分类和检测的数据集分割文件，Layout文件夹用于 person layout任务，Segmentation用于分割任务。

主要介绍一下Main文件夹中的组织结构，先来看以下这几个文件：

里面的文件内容是下面这样的：以train.txt文件为例：

就是对数据库的分割，这一部分图片用于train，其他的用作val，test等。

Main中剩下的文件很显然就是每一类别在train或val或test中的ground truth，这个ground truth是为了方便classification 任务而提供的；如果是detection的话，使用的是上面的xml标签文件。

里面文件是这样的（以aeroplane_train.txt为例）：

前面一列是训练集中的图片名称，这一列跟train.txt文件中的内容是一样的，后面一列是标签，即训练集中这张图片是不是aeroplane，是的话为1，否则为-1。

其他所有的 (class)_(imgset).txt 文件都是类似的。

所有文件都 指定了正负样本，每个class的实际数量为正样本的数量，train和val两者没有交集。

VOC2012 的数据集组织结构是类似的，不一样的地方在于VOC2012 中没有 test类的图片和以及相关标签和分割文件，因为这部分数据 VOC2012没有公布。

[1]