PASCAL VOC數據集
PASCAL VOC為圖像識別和分類提供了一整套標准化的優秀的數據集，從2005年到2012年每年都會舉行一場圖像識別challenge
默認為20類物體
1 數據集結構
①JPEGImages
JPEGImages文件夾中包含了PASCAL VOC所提供的所有的圖片信息，包括了訓練圖片和測試圖片。
②Annotations
Annotations文件夾中存放的是xml格式的標簽文件，每一個xml文件都對應於JPEGImages文件夾中的一張圖片。
xml文件的具體格式如下：（對於2007_000392.jpg）
<annotation>
<folder>VOC2012</folder>
<filename>2007_000392.jpg</filename> //文件名
<source> //圖像來源（不重要）
<database>The VOC2007 Database</database>
<annotation>PASCAL VOC2007</annotation>
<image>flickr</image>
</source>
<size> //圖像尺寸（長寬以及通道數）
<width>500</width>
<height>332</height>
<depth>3</depth>
</size>
<segmented>1</segmented> //是否用於分割（在圖像物體識別中01無所謂）
<object> //檢測到的物體
<name>horse</name> //物體類別
<pose>Right</pose> //拍攝角度
<truncated>0</truncated> //是否被截斷（0表示完整）
<difficult>0</difficult> //目標是否難以識別（0表示容易識別）
<bndbox> //bounding-box（包含左下角和右上角xy坐標）
<xmin>100</xmin>
<ymin>96</ymin>
<xmax>355</xmax>
<ymax>324</ymax>
</bndbox>
</object>
<object> //檢測到多個物體
<name>person</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox> //檢測矩形框坐標
<xmin>198</xmin>
<ymin>58</ymin>
<xmax>286</xmax>
<ymax>197</ymax>
</bndbox>
</object>
</annotation>
對應的圖片為：
③ImageSets
ImageSets存放的是每一種類型的challenge對應的圖像數據。
在ImageSets下有四個文件夾：
其中Action下存放的是人的動作（例如running、jumping等等，這也是VOC challenge的一部分）
Layout下存放的是具有人體部位的數據（人的head、hand、feet等等，這也是VOC challenge的一部分）
Main下存放的是圖像物體識別的數據，總共分為20類。
Segmentation下存放的是可用於分割的數據。
在這里主要考察Main文件夾。
Main文件夾下包含了20個分類的_train.txt、_val.txt和***_trainval.txt。
這些txt中的內容都差不多如下：
前面的表示圖像的name，后面的1代表正樣本，-1代表負樣本。
_train中存放的是訓練使用的數據，每一個class的train數據都有5717個。
_val中存放的是驗證結果使用的數據，每一個class的val數據都有5823個。
_trainval將上面兩個進行了合並，每一個class有11540個。
需要保證的是train和val兩者沒有交集，也就是訓練數據和驗證數據不能有重復，在選取訓練數據的時候 ，也應該是隨機產生的。
2 生成/創建 PASCAL VOC 數據集
2.1 利用現有數據集 - Openimages
900萬張標注圖像，谷歌發布Open Images最新V3版
該數據集包含一個訓練集（9011219張圖像）、一個驗證集（41620張圖像）和一個測試集（125436張圖像）。V1 版本里的驗證集在 V2 版本中被划分為驗證集和測試集，這樣做是為了更好地進行評估。Open Images 中的所有圖像都標注有圖像級標簽和邊界框
600余物體類別在線瀏覽
分類標簽示例：
2.1.1 下載openimages
到官網下載的時候要一次性下載所有的部分，不僅文件很大，而且下載的也不大快，更重要的是自己訓練要用到的類別並不多。
我采用的是工具箱的方法（https://github.com/EscVM/OIDv4_ToolKit），實際操作起來也挺順利的。
Open Images V4 下載自己需要的特定類別
Step1：Install the required packages
pip install -r requirements.txt
Step2：
python main.py downloader --classes ./classes.txt --type_csv all --limit 3000
用法：main.py [-h] [--Dataset/path/to/OID/csv/] [-y]
[ - 類列表[類列表...]]
[--type_csv'train'或'validation'或'test'或'all']
[--sub 子人驗證圖像的子集或機器生成的h或m）]
[--image_IsOccluded 1或0] [ - image_IsTruncated 1或0]
[--image_IsGroupOf 1或0] [ - image_IsDepiction 1或0]
[--image_IsInside 1或0] [--multiclasses 0（默認值或1）
[--n_threads [默認20]] [--noLabels]
[--limit integer number]
<command>'downloader'，'visualizer'或'ill_downloader'。
Open Image Dataset Downloader
打開圖像數據集下載程序
位置參數：
<command>'downloader'，'visualizer'或'ill_downloader'。
'downloader'，'visualizer'或'ill_downloader'。
可選參數：
-h， --help 顯示此幫助消息並退出
--Dataset /path/to/OID/csv/
OID數據集文件夾的目錄
-y， --yes 是和是可以下載丟失的文件
- 類列表[類列表...]
所需類的“字符串”序列
--type_csv'train'或'validation'或'test'或'all'
從什么csv搜索圖像
--sub 人工驗證圖像或機器生成的子集（h或m）
從人類驗證的數據集或從
機器生成一個。
--image_IsOccluded 1或0
圖像的可選特征。表示
對象被圖像中的另一個對象遮擋。
--image_IsTruncated 1或0
圖像的可選特征。表示
對象超出圖像的邊界。
--image_IsGroupOf 1或0
圖像的可選特征。表示
盒子跨越一組物體（分鍾5）。
--image_IsDepiction 1或0
圖像的可選特征。表示
對象是一個描述。
--image_IsInside 1或0
圖像的可選特征。表示a
從對象內部拍攝的照片。
--multiclasses 0（默認值）或1
分別（0）或一起下載不同的類
（1）
--n_threads [默認20]
要使用的線程數
--noLabels 沒有標簽創作
--limit integer number
要下載的圖像數量的可選限制
下載完成后得到 OID Folder
2.1.2 csv生成.xml(以Google openimage為例）
Step1:Get VOC.xml - csv2voc.py
Openimage.csv to Anotation/XXX.xml
- Input : OPEN_IMAGES_DIR = folder of csv file
eg. where the validation-annotations-bbox.csv is.
- Output = Anotation/XXX.xml +
test.txt、train.txt、val.txt、trainval.txt
生成后得到VOCify Folder
Note： 此時無需直接操作圖片
test.txt、train.txt、val.txt、trainval.txt 后期訓練時可再次生成，代碼如下
# -*- coding：utf-8 -*-
# -*- python3.5
import os
import random
trainval_percent = 0.7 #可以自己設置
train_percent = 0.8 #可以自己設置
xmlfilepath = 'Annotations' #地址填自己的
txtsavepath = '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(txtsavepath+'/trainval.txt', 'w')
ftest = open(txtsavepath+'/test.txt', 'w')
ftrain = open(txtsavepath+'/train.txt', 'w')
fval = open(txtsavepath+'/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()
print('Well finshed')
Step2:Save images to JPEGImages folder - By hand
cp -r Dataset/images_file* VOCify/JPEGImages
Source : Dataset/images_file
Destination : VOCify/JPEGImages
Step3:Set same name - my_same_name.py
Set Anotation/XXX.xml as JPEGImages/XXX.jpg
Make XXX the same