在目标检测任务中，常见的数据集格式有三种，分别为voc(xml)、coco(json)、yolo(txt)。

一、Pascal VOC

Pascal VOC数据集是目标检测的常用的大规模数据集之一，从05年到12年都会举办比赛，比赛任务task：

分类Classification
目标检测Object Detection
语义分割Class Segmentation
实例分割Object Segmentation
Action Classification（专注于人体动作的一种分类）
Person Layout（专注于人体各部位的一种目标检测）

Pascal VOC数据集由五个部分构成：JPEGImages，Annotations，ImageSets，SegmentationClass以及SegmentationObject。

.
└── VOCdevkit             #根目录└── VOC2012           #不同年份的数据集，这里只下载了2012的，还有2007等其它年份的├── Annotations   #存放xml文件，与JPEGImages中的图片一一对应，解释图片的内容等等├── ImageSets     #该目录下存放的都是txt文件，txt文件中每一行包含一个图片的名称，末尾会加上±1表示正负样本│   ├── Action│   ├── Layout│   ├── Main│   └── Segmentation├── JPEGImages         #存放源图片├── SegmentationClass  #存放的是图片，语义分割相关└── SegmentationObject #存放的是图片，实例分割相关

JPEGImages：存放的是训练与测试的所有图片。
Annotations(注释)：数据集标签的存储路径，通过XML文件格式，为图像数据存储各类任务的标签。其中部分标签为目标检测的标签。里面存放的是每张图片打完标签所对应的XML文件。
ImageSets：ImageSets文件夹下本次讨论的只有Main文件夹，此文件夹中存放的主要又有四个文本文件test.txt、train.txt、trainval.txt、val.txt, 其中分别存放的是测试集图片的文件名、训练集图片的文件名、训练验证集图片的文件名、验证集图片的文件名。
SegmentationClass与SegmentationObject：存放的都是图片，且都是图像分割结果图，对目标检测任务来说没有用。class segmentation 标注出每一个像素的类别
object segmentation 标注出每一个像素属于哪一个物体。目录如下所示

VOC
├─Annotations
│      ├─img0001.xml
│      ├─img0002.xml
│      ├─img0003.xml
│      ├─img0004.xml
│      ├─img0005.xml
│      └─img0006.xml
│
├─ImageSets
│  └─Main
│      ├─test.txt
│      ├─train.txt
│      ├─trainval.txt
│      └─val.txt
│
└─JPEGImages├─img0001.jpg├─img0002.jpg├─img0003.jpg├─img0004.jpg├─img0005.jpg└─img0006.jpg

voc数据集的标签主要以xml文件形式进行存放。

xml文件的标注格式如下：

<annotation><folder>17</folder> # 图片所处文件夹<filename>77258.bmp</filename> # 图片名<path>~/frcnn-image/61/ADAS/image/frcnn-image/17/77258.bmp</path><source>  #图片来源相关信息<database>Unknown</database>  </source><size> #图片尺寸<width>640</width><height>480</height><depth>3</depth></size><segmented>0</segmented>  #是否有分割label<object> 包含的物体<name>car</name>  #物体类别<pose>Unspecified</pose>  #物体的姿态<truncated>0</truncated>  #物体是否被部分遮挡（>15%）<difficult>0</difficult>  #是否为难以辨识的物体， 主要指要结体背景才能判断出类别的物体。虽有标注， 但一般忽略这类物体<bndbox>  #物体的bound box<xmin>2</xmin>     #左<ymin>156</ymin>   #上<xmax>111</xmax>   #右<ymax>259</ymax>   #下</bndbox></object>
</annotation>

此外，根据特定任务可以通过加入相应属性标签来构建所需要的数据格式。

二、COCO

COCO数据集是目标检测的另一种常用的大规模数据集。和VOC相比，COCO数据集有着小目标多、单幅图片目标多、物体大多非中心分布、更符合日常环境的特点，因而COCO数据集的目标检测难度更大。COCO从2015到2020每年均举办比赛，比赛任务task：

目标检测Object Detection，
关键点检测KeyPoint Detection
图片加标题Image Captioning
Stuff Segmentation（一种针对stuff（草地、墙、天空等内容）的实例分割）
Panoptic Segmentation（stuff+object的分割任务）等）

COCO数据集现在有3种标注类型，分别是：

这3种类型共享这些基本类型：info、image、license，使用JSON文件存储。

json文件的标注格式如下，以Object Instance为例，这种格式的文件从头至尾按照顺序分为以下段落：

{"info": info,               # dict"licenses": [license],      # list,内部是dict"images": [image],          # list,内部是dict"annotations": [annotation],# list,内部是dict"categories": [category]    # list,内部是dict
}info{                           # 数据集信息描述"year": int,                # 数据集年份"version": str,             # 数据集版本"description": str,         # 数据集描述"contributor": str,         # 数据集提供者"url": str,                 # 数据集下载链接"date_created": datetime,   # 数据集创建日期
}
license{"id": int,"name": str,"url": str,
}
image{      # images是一个list,存放所有图片(dict)信息。image是一个dict,存放单张图片信息 "id": int,                  # 图片的ID编号（每张图片ID唯一）"width": int,               # 图片宽"height": int,              # 图片高"file_name": str,           # 图片名字"license": int,             # 协议"flickr_url": str,          # flickr链接地址"coco_url": str,            # 网络连接地址"date_captured": datetime,  # 数据集获取日期
}
annotation{ # annotations是一个list,存放所有标注(dict)信息。annotation是一个dict,存放单个目标标注信息。"id": int,                  # 目标对象ID（每个对象ID唯一），每张图片可能有多个目标"image_id": int,            # 对应图片ID"category_id": int,         # 对应类别ID，与categories中的ID对应"segmentation": RLE or [polygon],   # 实例分割，对象的边界点坐标[x1,y1,x2,y2,....,xn,yn]"area": float,              # 对象区域面积"bbox": [xmin,ymin,width,height], # 目标检测，对象定位边框[x,y,w,h]"iscrowd": 0 or 1,          # 表示是否是人群
}
categories{                     # 类别描述"id": int,                  # 类别对应的ID（0默认为背景）"name": str,                # 子类别名字"supercategory": str,       # 主类别名字
}

COCO格式数据集的目录结构如下： train2017和val2017成为set_name,annotations文件夹中的json格式的标准文件名要与之对应并以instances_开头。

COCO_ROOT #根目录├── annotations # 存放json格式的标注│ ├── instances_train2017.json│ └── instances_val2017.json└── train2017 # 存放图片文件│ ├── 000000000001.jpg│ ├── 000000000002.jpg│ └── 000000000003.jpg└── val2017├── 000000000004.jpg└── 000000000005.jpg

与VOC一个文件一个xml标准不同的是，COCO所有的目标框标注都是在同一个json里。json解析出来是字典格式，如下所示：

{"info": info,"images": [image],"annotations": [annotation],"categories": [categories],"licenses": [license]}

制作自己的数据集的时候info和licenses是不需要的。只需要中间的images和annotations字段。

images是个字段的列表，每个图片的格式如下：

json['images'][0]{'license': 4,'file_name': '000000397133.jpg','coco_url': 'http://images.cocodataset.org/val2017/000000397133.jpg','height': 427,'width': 640,'date_captured': '2013-11-14 17:02:52','flickr_url': 'http://farm7.staticflickr.com/6116/6255196340_da26cf2c9e_z.jpg','id': 397133}

自己的数据集只需要写file_name,height,width和id即可。id是图片的编号，在annotations中也要用到，每张图都是唯一的。

categories表示所有的类别。格式如下。

[{'supercategory': 'person', 'id': 1, 'name': 'person'},{'supercategory': 'vehicle', 'id': 2, 'name': 'bicycle'},{'supercategory': 'vehicle', 'id': 3, 'name': 'car'},{'supercategory': 'vehicle', 'id': 4, 'name': 'motorcycle'},{'supercategory': 'vehicle', 'id': 5, 'name': 'airplane'},{'supercategory': 'vehicle', 'id': 6, 'name': 'bus'},{'supercategory': 'vehicle', 'id': 7, 'name': 'train'},{'supercategory': 'vehicle', 'id': 8, 'name': 'truck'},{'supercategory': 'vehicle', 'id': 9, 'name': 'boat'}# ....]

annotations是检测框的标准，一个bounding box的数据格式如下：

{'segmentation': [[0, 0, 60, 0, 60, 40, 0, 40]],'area': 240.000,'iscrowd': 0,'image_id': 289343,'bbox': [0., 0., 60., 40.],'category_id': 18,'id': 1768}

其中segmentation是分割的多边形，如果不知道直接填写[[x1, y1, x2, y1, x2, y2, x1, y2]]就可以了，area是分割的面积，

目标检测任务中可以随便填，bbox是检测框的[x, y, w, h]坐标，category_id是类别id，与categories中对应,

image_id图像的id，id是bbox的id，每个检测框是唯一的。

三、YOLO

yolo数据集标注格式主要是 yolov5 项目需要用到。

标签使用txt文本进行保存。yolo的目录如下所示：

dataset
├─images
│  ├─train
│  │    ├─ flip_mirror_himg0026393.jpg
│  │    ├─ flip_mirror_himg0026394.jpg
│  │    ├─ flip_mirror_himg0026395.jpg
│  │    ├─ flip_mirror_himg0027314.jpg
│  │    ├─ flip_mirror_himg0027315.jpg
│  │    └─flip_mirror_himg0027316.jpg
│  │
│  └─val
│     ├─ flip_mirror_himg0027317.jpg
│     └─flip_mirror_himg0027318.jpg
│
└─labels├─train│    ├─ flip_mirror_aimg0025023.txt│    ├─ flip_mirror_aimg0025024.txt│    ├─ flip_mirror_aimg0025025.txt│    ├─ flip_mirror_aimg0025026.txt│    ├─ flip_mirror_aimg0025027.txt│    └─ flip_mirror_aimg0025028.txt│└─val ├─ flip_mirror_aimg0025029.txt└─flip_mirror_aimg0025030.txt

标签使用txt文本进行保存。

yolo标注格式如下所示：

<object-class> <x> <y> <width> <height>

例如：

0 0.412500 0.318981 0.358333 0.636111

：对象的标签索引
x，y：目标的中心坐标，相对于图片的H和W做归一化。即x/W，y/H。
width，height：目标（bbox）的宽和高，相对于图像的H和W做归一化。

四、DOTA格式

DOTA数据集是一个比较著名的遥感类高分辨率数据集，包括v1.0,v1.5,v2.0三个版本的数据，一共30G左右。

采用旋转框的标记方式，标记四个顶点八个坐标得到不规则四边形。具体实现是，首先标注出一个初始点，为(x1,y1)，然后顺时针方向依次标注2、3、4共4个点。label格式如下所示：

x1,y1,x2,y2,x3,y3,x4,y4,category,difficult

其中(x1,y1)用于表示OBB的顶点起始位置，四个顶点按照顺时针进行排列
category表示目标种类
difficult表示实例的检测难度

DOTA_devkit是官方给的配套的数据处理的配套文件，包括绘制目标边框的示例，剪裁数据集、合并检测结果、评估模型性能等。

一张4096x4096能够裁剪出100多张图片，这种策略会导致数据集扩充比较大，但是该种方式会使得模型性能提高很多。

目标检测任务中常用的数据集格式(voc、coco、yolo)相关推荐

基于mmdetection 旋转目标检测（OBB detection)+DOTA数据集自定义数据集+配docker
这两周得益于组里的任务需求,肝了一个遥感类的飞机旋转框目标检测,在给定的4096*4096的大尺度分辨率图片上去识别检测飞机. 经过模型检测后输出结果图如下图所示: 可以看到最终的结果还是不错的,通过 ...
目标检测Faster RCNN 批量标记数据集，生成xml，csv以及record文件
目标检测Faster RCNN 批量标记数据集,生成xml,csv以及record文件 0.将png图片转换为jpg import os from PIL import Image# dirname_ ...
算法的trick_目标检测算法中的常见trick
目标检测算法中的常见trick 最近忙着打比赛,感觉看论文也很难静下心来了.基本上看得相当匆忙,主要还是以应用为主.上周压力比较大,没有来得及更新,感觉再不更就说不过去了. 因为比赛比较追求perfo ...
[数据集][VOC][目标检测]河道垃圾水面漂浮物数据集目标检测可用yolo训练-1304张介绍
数据集格式:Pascal VOC格式(不包含分割路径的txt文件和yolo格式的txt文件,仅仅包含jpg图片和对应的xml) 图片数量(jpg文件个数):1304 标注数量(xml文件个数):130 ...
目标检测扩（六）一篇文章彻底搞懂目标检测算法中的评估指标计算方法（IoU（交并比）、Precision（精确度）、Recall（召回率）、AP（平均正确率）、mAP（平均类别AP））
基本在目标检测算法中会碰到一些评估指标.常见的指标参数有:IoU(交并比).Precision(精确度).Recall(召回率).AP(平均正确率).mAP(平均类别AP)等.这些评估指标是在评估 ...
『论文阅读笔记』目标检测模型中的性能评价方式-IOU、precision/recall、mAP、PR、Fps！
目标检测模型中的性能评估标准-IOU.precision/recall.mAP.PR.Fps! 文章目录一.交并比IOU 二.精确率(precision)和召回率(recall) 三.P-R(pre ...
retinanet 部署_RetinaNet: Focal loss在目标检测网络中的应用
介绍 RetinaNet是2018年Facebook AI团队在目标检测领域新的贡献.它的重要作者名单中Ross Girshick与Kaiming He赫然在列.来自Microsoft的Sun Jia ...
目标检测模型中NMS、soft-NMS、softer-NMS的原理、LNMS文本检测系列（python代码实现）
非极大值抑制NMS的作用: 是目标检测框架中的后处理模块,主要用于删除高度冗余的bbox. ?一.NMS[参考] 非极大值抑制NMS的过程: 根据置信度得分进行排序: 选择置信度最高的边界框添加到最终 ...
目标检测算法中ROI提取方法比较+源码分析
本文主要介绍ROI提取结构在目标检测框架中的作用,并结合源码,理解它的实现方式.包含的算法有:ROI-pooling,ROI-align,Deformable-psroi-pooling. 目前,主流 ...

目标检测任务中常用的数据集格式(voc、coco、yolo)