目标检测常用的数据集格式

计算机视觉 > CV基础 目标检测 CV基础
发布时间 :
字数:1.8k 阅读 : 评论:
  1. 1. voc格式
    1. 1.1 文件结构
    2. 1.2 标注文件
  2. 2. coco格式
    1. 2.1 文件结构
    2. 2.2 标注文件
  3. 3. yolo格式
    1. 3.1 文件结构
    2. 3.2 标注文件

在目标检测领域，有三种常用的数据集：

数据集 标注文件格式 bbox格式
voc xml xmin, ymin, xmax, ymax:
bbox左上角(xmin, ymin)和右下角(xmax, ymax)的坐标
coco json x, y, w, h:
bbox左上角坐标(x, y)以及宽(w)和高(h)
yolo txt xcenter, ycenter, w, h:
bbox的中心x坐标(xcenter)、y坐标(ycenter)以及宽度(w)和高度(h)
xcenter, w相对图片实际宽度W做了归一化，即：xcenter/W, w/W
ycenter, h相对图片图片高度H做了归一化，即：ycenter/H, h/H

1. voc格式

1.1 文件结构

该文件结构指的是从 voc 官网下载的数据的文件结构（不同年份的数据集略有不同，但结构大致相同）。

VOCdevkit # 根目录

  • VOCXXXX # 不同年份的数据集，目前有 2005 年到 2012 年的
    • Annotations # 存放 xml 格式的标注文件，与 JPEGImages 下的图片一一对应，每个 xml 文件都描述一张图片的信息
    • ImageSets # 存放的是 txt 文件，文件中每一行包含一张图片的名称以及 ±1 表示正负样本
      • Layout # 可用于检测人体部位的数据（train.txt 用于训练的图片、trainval.txt用于训练和验证的图片合集、val.txt 用于验证的图片，下同）
      • Main # 可用于目标检测的数据
      • Segmentation # 可用于图像分割的数据
    • JPEGImages # 存放图片
    • SegmentationClass # 存放按照类别分割的图片，可用于语义分割
    • SegmentationObject # 存放按照个体分割的图片，可用于实例分割

1.2 标注文件

voc格式的数据集使用 xml 文件标注图片及其bbox信息，一张图片对应个xml文件，以 Main 中其中一个xml文件的部分内容为例：

<annotation>
    <folder>VOC2007</folder>  <!--图片所在文件夹（实际用不到）-->
    <filename>000005.jpg</filename> <!--图片文件名-->

    <source> <!--图片来源-->
        <database>The VOC2007 Database</database>
        <annotation>PASCAL VOC2007</annotation>
        <image>flickr</image>
        <flickrid>325991873</flickrid>
    </source>

    <owner> <!--图片拥有者-->
        <flickrid>archintent louisville</flickrid>
        <name>?</name>
    </owner>

    <size> <!--图片宽度、高度、通道数量-->
        <width>500</width>
        <height>375</height>
        <depth>3</depth>
    </size>

    <segmented>0</segmented> <!--是否用于分割-->

    <object> <!--标注目标1-->
        <name>chair</name> <!--物体类别-->
        <pose>Rear</pose> <!--拍摄角度： front, rear, left, right, unspecified-->
        <truncated>0</truncated> <!--目标是否被截断-->
        <difficult>0</difficult> <!--检测难易程度-->
        <bndbox> <!--标注目标1的 bbox-->
            <xmin>263</xmin>
            <ymin>211</ymin>
            <xmax>324</xmax>
            <ymax>339</ymax>
        </bndbox>
    </object>

    <object> <!--标注目标2的 bbox-->
        <name>chair</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>165</xmin>
            <ymin>264</ymin>
            <xmax>253</xmax>
            <ymax>372</ymax>
        </bndbox>
    </object>

    <!--其余标注信息结构同上-->
</annotation>

2. coco格式

2.1 文件结构

该文件结构指的是从 coco 官网下载的数据的文件结构。

  • annotations_XXXX # 存放 json 格式的标注文件，一个 json 文件里面包含了多张图片的相关信息
    • annotations
      • caption_xxxx.json # 存储图像标注用于描述图像
      • instances_xxxx.json # 用于目标检测的标注信息
      • person_keypoints_xxxx.json # 目标上的关键点信息
  • trainXXX # 存放训练集图片
  • valXXXX # 存放验证集图片

2.2 标注文件

coco格式的数据集使用 json 文件标注图片及其 bbox 信息，与voc格式一张图片对应一个xml文件不同，coco格式中一个 json 文件里面存放了若干张图片的信息。以 instances_xxxx.json 中的部分内容为例：

{
    "info": { #数据集描述信息
        "description": "COCO 2017 Dataset", # 数据集描述
        "url": "http://cocodataset.org", # 数据集地址
        "version": "1.0", # 数据集版本
        "year": 2017, # 数据集年份
        "contributor": "COCO Consortium", # 数据集提供者
        "date_created": "2017/09/01" # 数据集创建日期
    },
    "licenses": [ # 许可协议
        {
            "url": "http://creativecommons.org/licenses/by-nc-sa/2.0/", # 协议链接
            "id": 1, # 协议 id ，下面将会用到
            "name": "Attribution-NonCommercial-ShareAlike License" # 协议名称
        }
        # 其他许可协议格式同上
    ],
    "images": [ # 图片信息
        {
            "license": 4, # 使用的许可协议
            "file_name": "000000397133.jpg", # 图片文件名
            "coco_url": "http://images.cocodataset.org/val2017/000000397133.jpg", # 图片在 coco 上的url
            "height": 427, # 图片高度
            "width": 640, # 图片宽度
            "date_captured": "2013-11-14 17:02:52", # 图片获取日期
            "flickr_url": "http://farm7.staticflickr.com/6116/6255196340_da26cf2c9e_z.jpg", 图片在 flickr 上的url
            "id": 397133 # 图片 id
        }
        # 其他图片信息格式同上
    ],
    "annotations": [ # 标注信息
        {
            "segmentation": [ # 实例分割时的边界点坐标[x1, y1, x2, y2 …… xn, yn]
                [
                    510.66,
                    423.01,
                    ……,
                    510.45,
                    423.01
                ]
            ],
            "area": 702.1057499999998, # 区域面积
            "iscrowd": 0, # 目标是否被遮盖
            "image_id": 289343, # 标注所在的图片的 id 编号（与上面 images 中的对应）
            "bbox": [ # bbox框 [左上角x, 左上角y, 宽度, 高度]
                473.07,
                395.93,
                38.65,
                28.67
            ],
            "category_id": 18, # 被标注物体对应的类别 id 编号（与下面 categories 中的对应）
            "id": 1768 # 该标注的 id 编号（唯一）
        }
        # 其他标注信息格式同上
    ],
    "categories": [ # 类别描述
        {
            "supercategory": "person", # 该类别所属的大类
            "id": 1, # 类别 id 编号
            "name": "person" # 类别名字
        }
        # 其他标注信息格式同上
    ]
}

3. yolo格式

3.1 文件结构

使用yolo时，默认的文件结构如下（不同数据集会略有不同，但结构大致相同）：

XXXX # 根目录，视使用的数据集决定

  • images # 存放图片，已划分为训练集、验证集、测试集（部分数据集无测试集）
    • train
    • val
    • test
  • labels # 存放的是 txt 文件，每个txt文件对应一张图片，文件中每一行包含一个bbox的相关信息
    • train
    • val
    • test

3.2 标注文件

yolo格式的数据集使用 txt 文件标注图片bbox信息，一张图片对应一个txt文件，txt文件中的每一行都标注了一个bbox的相关信息。标注格式如下：

<类别索引> <bbox的中心x坐标> <bbox的中心y坐标> <bbox的宽度> <bbox的高度>

  • 信息之间以空格分割
  • bbox的中心xy坐标以及宽度、高度都相对于图片的实际宽度W和高度H做了归一化

以其中一个txt文件的部分内容为例：

45 0.479492 0.688771 0.955609 0.5955
# 标注目标1的 bbox的类别索引是45，中心x坐标是0.479492， 中心y坐标是0.688771， 宽度是0.955609， 高度是0.5955
45 0.736516 0.247188 0.498875 0.476417
# 标注目标2的 bbox
# 其余标注信息结构同上
转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至header-files@foxmail.com。

©2023-2023 勿庸散人

Built with Hexo and 3-hexo theme