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
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