PASCAL VOC数据集分析
来源:互联网 发布:淘宝舞蹈服装大全集 编辑:程序博客网 时间:2024/06/06 05:30
PASCAL VOC数据集分析
PASCAL VOC为图像识别和分类提供了一整套标准化的优秀的数据集,从2005年到2012年每年都会举行一场图像识别challenge。
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。
在这里采用PASCAL VOC2012作为例子。下载地址为:点击打开链接。(本文中的系统环境为ubuntu14.04)
下载完之后解压,可以在VOCdevkit目录下的VOC2012中看到如下的文件:
其中在图像物体识别上着重需要了解的是Annotations、ImageSets和JPEGImages。
①JPEGImages
JPEGImages文件夹中包含了PASCAL VOC所提供的所有的图片信息,包括了训练图片和测试图片。
这些图像都是以“年份_编号.jpg”格式命名的。
图片的像素尺寸大小不一,但是横向图的尺寸大约在500*375左右,纵向图的尺寸大约在375*500左右,基本不会偏差超过100。(在之后的训练中,第一步就是将这些图片都resize到300*300或是500*500,所有原始图片不能离这个标准过远。)
这些图像就是用来进行训练和测试验证的图像数据。
②Annotations
Annotations文件夹中存放的是xml格式的标签文件,每一个xml文件都对应于JPEGImages文件夹中的一张图片。
xml文件的具体格式如下:(对于2007_000392.jpg)
对应的图片为:
③ImageSets
ImageSets存放的是每一种类型的challenge对应的图像数据。
在ImageSets下有四个文件夹:
其中Action下存放的是人的动作(例如running、jumping等等,这也是VOC challenge的一部分)
Layout下存放的是具有人体部位的数据(人的head、hand、feet等等,这也是VOC challenge的一部分)
Main下存放的是图像物体识别的数据,总共分为20类。
Segmentation下存放的是可用于分割的数据。
在这里主要考察Main文件夹。
Main文件夹下包含了20个分类的***_train.txt、***_val.txt和***_trainval.txt。
这些txt中的内容都差不多如下:
前面的表示图像的name,后面的1代表正样本,-1代表负样本。
_train中存放的是训练使用的数据,每一个class的train数据都有5717个。
_val中存放的是验证结果使用的数据,每一个class的val数据都有5823个。
_trainval将上面两个进行了合并,每一个class有11540个。
需要保证的是train和val两者没有交集,也就是训练数据和验证数据不能有重复,在选取训练数据的时候 ,也应该是随机产生的。
④SegmentationClass和SegmentationObject
这两个文件夹下保存了物体分割后的图片,在物体识别中没有用到,在这里不做详细展开。
接下来需要研究的是如何自己生成训练数据和测试数据,将在下一篇中阐述。
阅读全文
0 0
- PASCAL VOC数据集分析
- PASCAL VOC数据集分析
- PASCAL VOC数据集分析
- PASCAL VOC数据集分析
- PASCAL VOC数据集分析
- PASCAL VOC数据集分析
- PASCAL VOC数据集分析
- PASCAL VOC数据集分析
- 【计算机视觉】PASCAL VOC数据集分析
- PASCAL VOC 数据集
- Pascal VOC 数据集介绍
- PASCAL VOC 数据集格式
- PASCAL VOC数据集介绍
- PASCAL VOC数据集介绍
- PASCAL VOC数据集分析(分类部分)
- PASCAL VOC数据集分析(检测部分)
- 自动化工具制作PASCAL VOC 数据集
- PASCAL VOC数据集The PASCAL Object Recognition Database Collection
- 金融科技&大数据产品推荐:金融魔方 ---专业的金融SaaS服务平台
- HDPCD-Java-复习笔记(3)-lab
- 【案例】享宇金服:区块链授权存证体系
- maven——将本地jar包放入maven的本地仓库中
- Spring Boot实战与原理分析视频课程 共27课
- PASCAL VOC数据集分析
- 学习JavaScript数据结构与算法(七)——散列表(二)
- javascript重新刷新页面
- k-shingle
- 人工智能将给医生和患者了带来什么?
- 索引简要小结
- 数据结构:队列
- coding小记:np.random.randn与tf.random_normal
- Update your urlpatterns to be a list of django.conf.urls.url() instances instead. Django 1.10. Updat