Skip to content

VOC数据集

PASCAL VOC（视觉对象类别）数据集是一个著名的目标检测、分割和分类数据集。它旨在鼓励对各种对象类别的研究，并常用于计算机视觉模型的基准测试。对于从事目标检测、分割和分类任务的研究人员和开发者来说，这是一个至关重要的数据集。

主要特点

  • VOC数据集包括两个主要挑战：VOC2007和VOC2012。
  • 该数据集包含20个对象类别，包括常见的对象如汽车、自行车和动物，以及更具体的类别如船只、沙发和餐桌。
  • 标注包括用于目标检测和分类任务的对象边界框和类别标签，以及用于分割任务的分割掩码。
  • VOC提供了标准化的评估指标，如平均精度均值（mAP）用于目标检测和分类，使其适合于比较模型性能。

数据集结构

VOC数据集分为三个子集：

  1. 训练集：此子集包含用于训练目标检测、分割和分类模型的图像。
  2. 验证集：此子集包含用于模型训练期间验证目的的图像。
  3. 测试集：此子集包含用于测试和基准测试训练模型的图像。此子集的地面真值标注不公开，结果提交到PASCAL VOC评估服务器进行性能评估。

应用

VOC数据集广泛用于训练和评估深度学习模型在目标检测（如YOLO、Faster R-CNN和SSD）、实例分割（如Mask R-CNN）和图像分类中的应用。数据集的多样化对象类别、大量标注图像和标准化的评估指标使其成为计算机视觉研究人员和从业者的宝贵资源。

数据集YAML

YAML（另一种标记语言）文件用于定义数据集配置。它包含有关数据集路径、类别和其他相关信息的信息。对于VOC数据集，VOC.yaml文件保存在https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/VOC.yaml。

ultralytics/cfg/datasets/VOC.yaml

# Ultralytics YOLO 🚀, AGPL-3.0 license
# PASCAL VOC dataset http://host.robots.ox.ac.uk/pascal/VOC by University of Oxford
# Documentation: # Documentation: https://docs.ultralytics.com/datasets/detect/voc/
# Example usage: yolo train data=VOC.yaml
# parent
# ├── ultralytics
# └── datasets
#     └── VOC  ← downloads here (2.8 GB)

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/VOC
train: # train images (relative to 'path')  16551 images
  - images/train2012
  - images/train2007
  - images/val2012
  - images/val2007
val: # val images (relative to 'path')  4952 images
  - images/test2007
test: # test images (optional)
  - images/test2007

# Classes
names:
  0: aeroplane
  1: bicycle
  2: bird
  3: boat
  4: bottle
  5: bus
  6: car
  7: cat
  8: chair
  9: cow
  10: diningtable
  11: dog
  12: horse
  13: motorbike
  14: person
  15: pottedplant
  16: sheep
  17: sofa
  18: train
  19: tvmonitor

# Download script/URL (optional) ---------------------------------------------------------------------------------------
download: |
  import xml.etree.ElementTree as ET

  from tqdm import tqdm
  from ultralytics.utils.downloads import download
  from pathlib import Path

  def convert_label(path, lb_path, year, image_id):
      def convert_box(size, box):
          dw, dh = 1. / size[0], 1. / size[1]
          x, y, w, h = (box[0] + box[1]) / 2.0 - 1, (box[2] + box[3]) / 2.0 - 1, box[1] - box[0], box[3] - box[2]
          return x * dw, y * dh, w * dw, h * dh

      in_file = open(path / f'VOC{year}/Annotations/{image_id}.xml')
      out_file = open(lb_path, 'w')
      tree = ET.parse(in_file)
      root = tree.getroot()
      size = root.find('size')
      w = int(size.find('width').text)
      h = int(size.find('height').text)

      names = list(yaml['names'].values())  # names list
      for obj in root.iter('object'):
          cls = obj.find('name').text
          if cls in names and int(obj.find('difficult').text) != 1:
              xmlbox = obj.find('bndbox')
              bb = convert_box((w, h), [float(xmlbox.find(x).text) for x in ('xmin', 'xmax', 'ymin', 'ymax')])
              cls_id = names.index(cls)  # class id
              out_file.write(" ".join(str(a) for a in (cls_id, *bb)) + '\n')


  # Download
  dir = Path(yaml['path'])  # dataset root dir
  url = 'https://github.com/ultralytics/assets/releases/download/v0.0.0/'
  urls = [f'{url}VOCtrainval_06-Nov-2007.zip',  # 446MB, 5012 images
          f'{url}VOCtest_06-Nov-2007.zip',  # 438MB, 4953 images
          f'{url}VOCtrainval_11-May-2012.zip']  # 1.95GB, 17126 images
  download(urls, dir=dir / 'images', curl=True, threads=3, exist_ok=True)  # download and unzip over existing paths (required)

  # Convert
  path = dir / 'images/VOCdevkit'
  for year, image_set in ('2012', 'train'), ('2012', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007', 'test'):
      imgs_path = dir / 'images' / f'{image_set}{year}'
      lbs_path = dir / 'labels' / f'{image_set}{year}'
      imgs_path.mkdir(exist_ok=True, parents=True)
      lbs_path.mkdir(exist_ok=True, parents=True)

      with open(path / f'VOC{year}/ImageSets/Main/{image_set}.txt') as f:
          image_ids = f.read().strip().split()
      for id in tqdm(image_ids, desc=f'{image_set}{year}'):
          f = path / f'VOC{year}/JPEGImages/{id}.jpg'  # old img path
          lb_path = (lbs_path / f.name).with_suffix('.txt')  # new label path
          f.rename(imgs_path / f.name)  # move image
          convert_label(path, lb_path, year, id)  # convert labels to YOLO format

使用

要在VOC数据集上训练一个YOLO11n模型100个epoch，图像大小为640，您可以使用以下代码片段。有关可用参数的完整列表，请参阅模型训练页面。

训练示例

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo11n.pt")  # 加载预训练模型（推荐用于训练）

# 训练模型
results = model.train(data="VOC.yaml", epochs=100, imgsz=640)

# 从预训练的*.pt模型开始训练
yolo detect train data=VOC.yaml model=yolo11n.pt epochs=100 imgsz=640

示例图像和标注

VOC数据集包含各种对象类别和复杂场景的多样化图像。以下是数据集中的一些图像示例及其相应的标注：

数据集示例图像

  • 马赛克图像：此图像展示了一个由马赛克数据集图像组成的训练批次。马赛克是一种在训练期间使用的技术，将多张图像组合成一张图像，以增加每个训练批次中对象和场景的多样性。这有助于提高模型对不同对象大小、宽高比和上下文的泛化能力。

该示例展示了VOC数据集中图像的多样性和复杂性，以及在训练过程中使用马赛克的好处。

引用和致谢

如果你在研究或开发工作中使用了VOC数据集，请引用以下论文：

@misc{everingham2010pascal,
      title={The PASCAL Visual Object Classes (VOC) Challenge},
      author={Mark Everingham and Luc Van Gool and Christopher K. I. Williams and John Winn and Andrew Zisserman},
      year={2010},
      eprint={0909.5206},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

我们想感谢PASCAL VOC联盟为计算机视觉社区创建和维护这一宝贵资源。有关VOC数据集及其创建者的更多信息，请访问PASCAL VOC数据集网站。

常见问题

什么是PASCAL VOC数据集，为什么它对计算机视觉任务很重要？

PASCAL VOC（视觉对象类别）数据集是计算机视觉中目标检测、分割和分类的著名基准。它包括20个不同对象类别的全面注释，如边界框、类别标签和分割掩码。研究人员广泛使用它来评估Faster R-CNN、YOLO和Mask R-CNN等模型的性能，因为它具有诸如平均精度均值（mAP）等标准化的评估指标。

如何使用VOC数据集训练YOLO11模型？

要使用VOC数据集训练YOLO11模型，你需要在YAML文件中配置数据集。以下是一个示例，用于以640的图像尺寸开始训练YOLO11n模型100个周期：

训练示例

from ultralytics import YOLO

# 加载模型
model = YOLO("yolo11n.pt")  # 加载预训练模型（推荐用于训练）

# 训练模型
results = model.train(data="VOC.yaml", epochs=100, imgsz=640)

# 从预训练的*.pt模型开始训练
yolo detect train data=VOC.yaml model=yolo11n.pt epochs=100 imgsz=640

VOC数据集包含哪些主要挑战？

VOC数据集包含两个主要挑战：VOC2007和VOC2012。这些挑战测试20个不同对象类别的目标检测、分割和分类。每张图像都经过精心注释，包含边界框、类别标签和分割掩码。这些挑战提供了诸如mAP等标准化指标，便于比较和基准测试不同的计算机视觉模型。

PASCAL VOC数据集如何增强模型基准测试和评估？

PASCAL VOC数据集通过其详细的注释和诸如平均精度均值（mAP）等标准化指标来增强模型基准测试和评估。这些指标对于评估目标检测和分类模型的性能至关重要。数据集的多样化和复杂图像确保了在各种现实场景中的全面模型评估。

如何在YOLO模型中使用VOC数据集进行语义分割？

要在YOLO模型中使用VOC数据集进行语义分割任务，你需要在YAML文件中正确配置数据集。YAML文件定义了训练分割模型所需的路径和类别。查看VOC.yaml中的VOC数据集YAML配置文件以获取详细设置。


📅 Created 11 months ago ✏️ Updated 13 days ago
UltralyticsAssistant glenn-jocher MatthewNoyce RizwanMunawar Laughing-q

Comments