目标检测三大数据格式VOC,YOLO,COCO的详细介绍

注：本文仅供学习，未经同意请勿转载

 说明：该博客来源于xiaobai_Ry:2020年3月笔记

对应的PDF下载链接在：待上传

目录

目标检测常见数据集总结

 V0C数据集(Annotation的格式是xmI)

A.  数据集包含种类:

B.  V0C2007和V0C2012的区别:

C.  数据集格式:

D.  标注信息是用xmI文件组织的如下:

E.  各文件部分展示

COCO数据集（Annotation的格式是json）

---

目标检测常见数据集总结

这里先总结一下,我自己看完这三个常见目标检测数据集:

 V0C数据集(Annotation的格式是xmI)

A.  数据集包含种类:

一共包含了20类。一共包含了20类。Person,bird, cat, cow, dog, horse, sheep,aeroplane, bicycle, boat, bus, car, motorbike, train, bottle, chair, dining table, potted plant, sofa, tv/monitor.

B.  V0C2007和V0C2012的区别:

（图片来源于某博客，忘记是哪个博客了，如果博友知道，方便告诉，我补上链接）

VOC2007中包含9963张标注过的图片， 由train/val/test三部分组成， 共标注出24,640个物体。

对于检测任务，VOC2012的trainval/test包含08-11年的所有对应图片。 trainval有11540张图片共27450个物体。

C.  数据集格式:

. ├── Annotations 【Annotations下存放的是xml文件,每个xml对应JPEGImage中的一张图片描述

   |                              了图片信息】

  ├── ImageSets【包含三个子文件夹 Layout、Main、Segmentation】

  │   ├── Action【Action下存放的是人的动作（例如running、jumping等等）】

  │   ├── Layout 【Layout下存放的是具有人体部位的数据】

  │   ├── Main 【Main下存放的是图像物体识别的数据，总共分为20类。】

  │   └── Segmentation 【Segmentation下存放的是可用于分割的数据】

  ├── JPEGImages 【主要提供的是PASCAL VOC所提供的所有的图片信息，包括训练图片，测

                                     试图片

|   |

这些图像就是用来进行训练和测试验证的图像数据。注：是没有标记时的                     原图】

  ├── SegmentationClass 【存放按照 class 分割的图片；目标检测不需要】

  └── SegmentationObject【存放按照 object 分割的图片；目标检测不需要】

D.  标注信息是用xmI文件组织的如下:

	<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<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<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><difficult>0</difficult><bndbox><xmin>8</xmin><ymin>12</ymin><xmax>352</xmax><ymax>498</ymax></bndbox></object>
</annotation>

E.  各文件部分展示

        (1)JPEGImages:

        

         (2)Annotations

COCO数据集（Annotation的格式是json）

        图像来源链接：点击此处

A.  总类别:

        80类

B.  文件说明:

        3种标注类型，使用json文件存储，每种类型包含了训练和验证
        object instances（目标实例）： 也就是目标检测object detection；object keypoints（目标上的关键点）； image captions（看图说话）

C.  数据格式:

	{"info": info,"licenses": [license],"images": [image],"annotations": [annotation],}info{"year": int,"version": str,"description": str,"contributor": str,"url": str,"date_created": datetime,}license{"id": int,"name": str,"url": str,} image{"id": int,"width": int,"height": int,"file_name": str,"license": int,"flickr_url": str,"coco_url": str,"date_captured": datetime,}

D.  与Voc的区别:

        和VOC相比，coco数据集，小目标多、单幅图片目标多、物体大多非中心分布、更符合日常环境，所以coco检测难度更大。

YOLO数据集（Annotation的格式是txt）

A.   数据格式:

        会直接把每张图片标注的标签信息保存到一个txt文件中

B.  数据说明:

        0 0.521000 0.235075 0.362000 0.450249

        0 0.213000 0.645522 0.418000 0.519900

        0 0.794000 0.665423 0.376000 0.470149

• 每一行代表标注的一个目标
• 第一个数代表标注目标的标签，第一目标circle_red，对应数字就是0
• 后面的四个数代表标注框的中心坐标和标注框的相对宽和高

 注：keras版yolov3训练格式是name box class这种形式

数据集格式的转换(以上三种数据集格式:xmI,json,txt的相互转换)

A.  Voc与yoIo(xmI与txt)的互转

参考的博客：

把LabelImg标注的YOLO格式标签转化为VOC格式标签_吾爱北方的母老虎-CSDN博客_voc计算公式

把LabelImg标注的YOLO格式标签转化为VOC格式标签 和 把VOC格式标签转化为YOLO格式标签_点亮～黑夜的博客-CSDN博客

B.  三者的互转

参考的博客：

a. 推荐博客1：

VOC、COCO、YOLOv3 的 .json .xml .txt 标签文件内容，格式转换_轮子去哪儿了-CSDN博客_去voc

VOC、COCO、YOLOv3 的 .json .xml .txt 标签文件内容，格式转换_轮子去哪儿了的博客-CSDN博客_json转xml yolov3

b. 推荐博客2：

yolo格式、voc格式、coco格式相互转换(xml，json，txt)_qq_38109843的博客-CSDN博客_yolo格式

yolo格式、voc格式、coco格式相互转换(xml，json，txt)_三寸光阴___的博客-CSDN博客

额外：

python 下json转xml、html，xml转json_weixin_42081389的博客-CSDN博客_python html转json

python 下json转xml、html，xml转json_zhaojiafu666的博客-CSDN博客