一、VOC数据集简介
1.1 VOC的任务
PASCAL VOC 挑战赛主要有 Object Classification （分类）、Object Detection（检测）、Object Segmentation（分割）、Human Layout、Action Classification 这几类子任务。
分类：在测试图像预测是否为二十个分类之一，正确分类
检测：在测试图像上预测二十个分类对象的有无与位置信息
分割：对每个对象与类别生成像素级别的分割标签，确定像素是为目标20个分类或者背景。
此外Pascal VOC还提供一些很有意思的标注数据包括Action Classification （行为识别）、Human Layout（人体Layout分析）等。
行为识别：预测图像中人的行为动作
Person Layout：检测人与其各个身体组成部分，如果手、脚、头等
1.2 数据构成
PASCAL VOC 2007 和 2012 数据集总共分 4 个大类：vehicle、household、animal、person，总共 20 个小类（加背景 21 类），预测的时候是只输出下图中黑色粗体的类别。
目前目标检测常用的是 VOC2007 和 VOC2012 数据集，因为二者是互斥的。VOC2007 和 VOC2012 目标检测任务中的训练、验证和测试数据统计如下表所示
trainval是train和val的合并。
1.3 组织结构
以 VOC 2012为例，解压后的文件为：
.
└── VOCdevkit #根目录
└── VOC2012 #不同年份的数据集，这里只下载了2012的，还有2007等其它年份的
├── Annotations #存放xml文件，与JPEGImages中的图片一一对应，解释图片的内容等等
├── ImageSets #该目录下存放的都是txt文件，txt文件中每一行包含一个图片的名称，末尾会加上±1表示正负样本
│ ├── Action
│ ├── Layout
│ ├── Main #存放的是分类和检测的数据集分割文件
│ └── Segmentation
├── JPEGImages #存放源图片
├── SegmentationClass #存放的是图片，语义（class）分割相关
└── SegmentationObject #存放的是图片，实例（object）分割相关
├── Main
│ ├── train.txt 写着用于训练的图片名称， 共 2501 个
│ ├── val.txt 写着用于验证的图片名称，共 2510 个
│ ├── trainval.txt train与val的合集。共 5011 个
│ ├── test.txt 写着用于测试的图片名称，共 4952 个1.3.1 Annotations
其中xml主要介绍了对应图片的基本信息，如来自那个文件夹、文件名、来源、图像尺寸以及图像中包含哪些目标以及目标的信息等等，xml内容如下：
<annotation>
<folder>VOC2007</folder>
<filename>000001.jpg</filename> # 文件名
<source>
<database>The VOC2007 Database</database>
<annotation>PASCAL VOC2007</annotation>
<image>flickr</image>
<flickrid>341012865</flickrid>
</source>
<owner>
<flickrid>Fried Camels</flickrid>
<name>Jinky the Fruit Bat</name>
</owner>
<size> # 图像尺寸, 用于对 bbox 左上和右下坐标点做归一化操作
<width>353</width>
<height>500</height>
<depth>3</depth>
</size>
<segmented>0</segmented> # 是否用于分割，1有分割标注，0表示没有分割标注。
<object>
<name>dog</name> # 物体类别
<pose>Left</pose> # 拍摄角度：front, rear, left, right, unspecified
<truncated>1</truncated> # 目标是否被截断（比如在图片之外），或者被遮挡（超过15%）
<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表示不是，1表示是
<bndbox>
<xmin>48</xmin>
<ymin>240</ymin>
<xmax>195</xmax>
<ymax>371</ymax>
</bndbox>
</object>
<object>
<name>person</name>
<pose>Left</pose>
<truncated>1</truncated> # 是否被标记为截断，0表示没有，1表示是
<difficult>0</difficult>
<bndbox>
<xmin>8</xmin>
<ymin>12</ymin>
<xmax>352</xmax>
<ymax>498</ymax>
</bndbox>
</object>
</annotation>1.3.2 ImageSets
ImageSets包含如下四个子文件夹：Action、Layout、Main、Segmentation。里面是标注类别的每个文件列表信息：
- Action中是所有具有Action标注信息图像文件名的txt文件列表，
- Layout中的txt文件表示包含Layout标注信息的图像文件名列表，
- Main文件夹中包含20个类别每个类别一个txt文件，每个txt文件都是包含该类别的图像文件名称列表，
- Segmentation则是包含语义分割信息图像文件的列表。
在main中针对每个类别都有个三个文件，分别为：
- CLASSNAME_train.txt
- CLASSNAME_trainval.txt
- CLASSNAME_val.txt
以CLASSNAME = aeroplane为例，main中的三个文件分别为:
- aeroplane_train.txt
- aeroplane_trainval.txt
- aeroplane_val.txt
每个类别txt文件里面的内容格式为 ：图像文件名 + 空格 + 标记，以aeroplane_train.txt中的举例如下：
2008_000290 0
2008_000291 1
2008_000297 -1
其中2008_000290、2008_000291、2008_000297表示三张图像文件名
- 0 表示图像中包含aeroplane对象但是难识别样本
- 1 表示图像中包含aeroplane
- -1 表示图像中不包含aeroplane
1.3.3 JPEGImages
所有的原始图像文件，格式必须是JPG格式，这个要特别注意！如果你打算使用VOC2012格式生成数据，那么原始图像格式在采样时候请用JPG格式保存，避免后期生成使用tensorflow工具生成的时候出错。
1.3.4 SegmentationClass
所有分割的图像标注，分割图像安装每个类别标注的数据
1.3.5 SegmentationObject
所有分割的图像标注，分割图像安装每个类别每个对象不同标注的数据
1.4 提交格式
1.4.1 Classification Task
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, 内容如下
000004 0.702732
000006 0.870849
000008 0.532489
000018 0.477167
000019 0.1124261.4.2 Detection Task
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，每行的格式为： ，confidence 用来计算 mAP
# comp3_det_test_car.txt，内容如下
# comp3：只允许用所给训练数据，comp4：允许使用外部数据
000004 0.702732 89 112 516 466
000006 0.870849 373 168 488 229
000006 0.852346 407 157 500 213
000006 0.914587 2 161 55 221
000008 0.532489 175 184 232 2011.5 评估标准
PASCAL的评估标准是 mAP(mean average precision)。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。
2 VOC数据集的制作
在我们训练Faster-RCNN/SSD模型时，有些数据集需要我们自己制作的，接下来我就说一说如何自己制作一个VOC数据集。
2.1 创建数据集文件夹
handvoc是你自己数据集的名字，在该目录下有第三个文件夹如下所示。
其中ImgeSets下还有一个Main文件夹
文件夹说明：
- JPEGImages中存放要训练的图片。
- Annotations中这XML信息，XML文件名与训练图片的文件名一一对应。
- ImageSets中存放文件夹Main，Main中存放四个txt文件，train存放着用于训练图片名字集合，test存放着用于测试的名字集合。
2.2 将训练图片放到JPEGImages
将选取的图片放置于放于目录：JPEGImages下，然后将图片重命名为VOC2007的“000005.jpg”形式。重命名的python代码为：
import os
path = "D:\\handvoc\\JPEGImages"
filelist = os.listdir(path) #该文件夹下所有的文件（包括文件夹）
count=0
for file in filelist:
print(file)
for file in filelist: #遍历所有文件
Olddir=os.path.join(path,file) #原来的文件路径
if os.path.isdir(Olddir): #如果是文件夹则跳过
continue
filename=os.path.splitext(file)[0] #文件名
filetype=os.path.splitext(file)[1] #文件扩展名
Newdir=os.path.join(path,str(count).zfill(6)+filetype) #用字符串函数zfill 以0补全所需位数
os.rename(Olddir,Newdir)#重命名
count+=1更改名字之后的图片：
2.3 标注图片，标注文件保存到Annotations
使用labelImg进行标注，使用方法如下：
链接: labelImg使用方法.
注意：标注自己的图片的时候，类别名称请用小写字母，比如汽车使用car，不要用Car 。若出现无法找到resources的错误，此时只需将resources.py复制到libs文件夹中即可。
2.4 生成ImageSets\Main里的四个txt文件
在ImageSets里再新建文件夹，命名为Main，在Main文件夹中生成四个txt文件，即：
- test.txt是测试集
- train.txt是训练集
- val.txt是验证集
- trainval.txt是训练和验证集
VOC2007中，trainval大概是整个数据集的50%，test也大概是整个数据集的50%；train大概是trainval的50%，val大概是trainval的50%。
txt文件中的内容为样本图片的名字（不带后缀），格式如下：
上面所占百分比可根据自己的数据集修改，如果数据集比较少，test和val可少一些。在自己的文件夹下生成自己数据集的代码如下：
import os
import random
trainval_percent = 0.8
train_percent = 0.6
xmlfilepath = 'D:\handvoc\Annatations'
txtsavepath = 'D:\handvoc\ImageSets\Main'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
ftrainval = open('D:\\handvoc\\ImageSets\\Main\\trainval.txt', 'w')
ftest = open('D:\\handvoc\\ImageSets\\Main\\test.txt', 'w')
ftrain = open('D:\\handvoc\\ImageSets\\Main\\train.txt', 'w')
fval = open('D:\\handvoc\\ImageSets\\Main\\val.txt', 'w')
for i in list:
name = total_xml[i][:-4] + '\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftrain.write(name)
else:
fval.write(name)
else:
ftest.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()你要根据你的情况修改生成比例以及文件夹的位置。
