VOC-Datensatz
Der PASCAL VOC-Datensatz (Visual Object Classes) ist ein bekannter Datensatz für die Erkennung, Segmentierung und Klassifizierung von Objekten. Er wurde entwickelt, um die Forschung an einer Vielzahl von Objektkategorien zu fördern, und wird häufig zum Benchmarking von Computer-Vision-Modellen verwendet. Er ist ein wesentlicher Datensatz für Forscher und Entwickler, die sich mit Objekterkennung, -segmentierung und -klassifizierung befassen.
Wesentliche Merkmale
- Der VOC-Datensatz umfasst zwei große Herausforderungen: VOC2007 und VOC2012.
- Der Datensatz umfasst 20 Objektkategorien, darunter gängige Objekte wie Autos, Fahrräder und Tiere, aber auch spezifischere Kategorien wie Boote, Sofas und Esstische.
- Zu den Anmerkungen gehören Objektbegrenzungsrahmen und Klassenbezeichnungen für die Aufgaben der Objekterkennung und -klassifizierung sowie Segmentierungsmasken für die Segmentierungsaufgaben.
- VOC bietet standardisierte Bewertungsmetriken wie die mittlere durchschnittliche Präzision (mAP) für die Objekterkennung und -klassifizierung und eignet sich daher für den Vergleich der Modellleistung.
Struktur des Datensatzes
Der VOC-Datensatz ist in drei Teilmengen aufgeteilt:
- Trainieren: Diese Teilmenge enthält Bilder zum Trainieren von Objekterkennungs-, Segmentierungs- und Klassifizierungsmodellen.
- Validierung: Diese Untergruppe enthält Bilder, die während der Modellschulung zur Validierung verwendet werden.
- Test: Diese Teilmenge besteht aus Bildern, die zum Testen und Benchmarking der trainierten Modelle verwendet werden. Die Ergebnisse werden zur Leistungsbewertung an den PASCAL-VOC-Evaluierungsserver übermittelt.
Anwendungen
Der VOC-Datensatz wird häufig zum Trainieren und Evaluieren von Deep-Learning-Modellen für die Objekterkennung verwendet (z. B. Ultralytics YOLO, Faster R-CNN und SSD), Instanzsegmentierung (z. B. Mask R-CNN) und Bildklassifizierung. Die vielfältigen Objektkategorien des Datensatzes, die große Anzahl kommentierter Bilder und die standardisierten Bewertungsmetriken machen ihn zu einer unverzichtbaren Ressource für Forscher und Praktiker im Bereich Computer Vision.
Datensatz YAML
Eine YAML-Datei (Yet Another Markup Language) wird zur Definition der Dataset-Konfiguration verwendet. Sie enthält Informationen über die Pfade des Datensatzes, Klassen und andere relevante Informationen. Im Falle des VOC-Datensatzes ist die VOC.yaml Datei wird verwaltet unter https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/VOC.yaml.
ultralytics/cfg/datasets/VOC.yaml
# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license
# PASCAL VOC dataset http://host.robots.ox.ac.uk/pascal/VOC by University of Oxford
# Documentation: # Documentation: https://docs.ultralytics.com/datasets/detect/voc/
# Example usage: yolo train data=VOC.yaml
# parent
# ├── ultralytics
# └── datasets
# └── VOC ← downloads here (2.8 GB)
# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list: [path/to/imgs1, path/to/imgs2, ..]
path: ../datasets/VOC
train: # train images (relative to 'path') 16551 images
- images/train2012
- images/train2007
- images/val2012
- images/val2007
val: # val images (relative to 'path') 4952 images
- images/test2007
test: # test images (optional)
- images/test2007
# Classes
names:
0: aeroplane
1: bicycle
2: bird
3: boat
4: bottle
5: bus
6: car
7: cat
8: chair
9: cow
10: diningtable
11: dog
12: horse
13: motorbike
14: person
15: pottedplant
16: sheep
17: sofa
18: train
19: tvmonitor
# Download script/URL (optional) ---------------------------------------------------------------------------------------
download: |
import xml.etree.ElementTree as ET
from pathlib import Path
from tqdm import tqdm
from ultralytics.utils.downloads import download
def convert_label(path, lb_path, year, image_id):
"""Converts XML annotations from VOC format to YOLO format by extracting bounding boxes and class IDs."""
def convert_box(size, box):
dw, dh = 1.0 / size[0], 1.0 / size[1]
x, y, w, h = (box[0] + box[1]) / 2.0 - 1, (box[2] + box[3]) / 2.0 - 1, box[1] - box[0], box[3] - box[2]
return x * dw, y * dh, w * dw, h * dh
in_file = open(path / f"VOC{year}/Annotations/{image_id}.xml")
out_file = open(lb_path, "w")
tree = ET.parse(in_file)
root = tree.getroot()
size = root.find("size")
w = int(size.find("width").text)
h = int(size.find("height").text)
names = list(yaml["names"].values()) # names list
for obj in root.iter("object"):
cls = obj.find("name").text
if cls in names and int(obj.find("difficult").text) != 1:
xmlbox = obj.find("bndbox")
bb = convert_box((w, h), [float(xmlbox.find(x).text) for x in ("xmin", "xmax", "ymin", "ymax")])
cls_id = names.index(cls) # class id
out_file.write(" ".join(str(a) for a in (cls_id, *bb)) + "\n")
# Download
dir = Path(yaml["path"]) # dataset root dir
url = "https://github.com/ultralytics/assets/releases/download/v0.0.0/"
urls = [
f"{url}VOCtrainval_06-Nov-2007.zip", # 446MB, 5012 images
f"{url}VOCtest_06-Nov-2007.zip", # 438MB, 4953 images
f"{url}VOCtrainval_11-May-2012.zip", # 1.95GB, 17126 images
]
download(urls, dir=dir / "images", curl=True, threads=3, exist_ok=True) # download and unzip over existing (required)
# Convert
path = dir / "images/VOCdevkit"
for year, image_set in ("2012", "train"), ("2012", "val"), ("2007", "train"), ("2007", "val"), ("2007", "test"):
imgs_path = dir / "images" / f"{image_set}{year}"
lbs_path = dir / "labels" / f"{image_set}{year}"
imgs_path.mkdir(exist_ok=True, parents=True)
lbs_path.mkdir(exist_ok=True, parents=True)
with open(path / f"VOC{year}/ImageSets/Main/{image_set}.txt") as f:
image_ids = f.read().strip().split()
for id in tqdm(image_ids, desc=f"{image_set}{year}"):
f = path / f"VOC{year}/JPEGImages/{id}.jpg" # old img path
lb_path = (lbs_path / f.name).with_suffix(".txt") # new label path
f.rename(imgs_path / f.name) # move image
convert_label(path, lb_path, year, id) # convert labels to YOLO format
Verwendung
Um ein YOLO11n-Modell auf dem VOC-Datensatz für 100 Epochen mit einer Bildgröße von 640 zu trainieren, können Sie die folgenden Codeschnipsel verwenden. Eine umfassende Liste der verfügbaren Argumente finden Sie auf der Seite Modelltraining.
Beispiel für einen Zug
Beispielbilder und -kommentare
Der VOC-Datensatz enthält eine Vielzahl von Bildern mit verschiedenen Objektkategorien und komplexen Szenen. Hier sind einige Beispiele von Bildern aus dem Datensatz zusammen mit den entsprechenden Anmerkungen:
- Mosaikbild: Dieses Bild zeigt einen Trainingsstapel, der aus Mosaikbildern des Datensatzes besteht. Das Mosaikieren ist eine Technik, bei der während des Trainings mehrere Bilder zu einem einzigen Bild kombiniert werden, um die Vielfalt der Objekte und Szenen in jedem Trainingsstapel zu erhöhen. Dies trägt dazu bei, die Fähigkeit des Modells zur Generalisierung auf verschiedene Objektgrößen, Seitenverhältnisse und Kontexte zu verbessern.
Das Beispiel verdeutlicht die Vielfalt und Komplexität der Bilder im VOC-Datensatz und die Vorteile der Mosaikbildung während des Trainingsprozesses.
Zitate und Danksagungen
Wenn Sie den VOC-Datensatz in Ihrer Forschungs- oder Entwicklungsarbeit verwenden, zitieren Sie bitte das folgende Papier:
Wir möchten dem PASCAL VOC Consortium für die Erstellung und Pflege dieser wertvollen Ressource für die Computer Vision Community danken. Weitere Informationen über den VOC-Datensatz und seine Ersteller finden Sie auf der Website des PASCAL VOC-Datensatzes.
FAQ
Was ist der PASCAL-VOC-Datensatz und warum ist er für Computer-Vision-Aufgaben wichtig?
Der PASCAL VOC-Datensatz (Visual Object Classes) ist ein renommierter Benchmark für die Objekterkennung, -segmentierung und -klassifizierung in der Computer Vision. Er enthält umfassende Annotationen wie Bounding Boxes, Klassenbezeichnungen und Segmentierungsmasken für 20 verschiedene Objektkategorien. Er wird von Forschern häufig verwendet, um die Leistung von Modellen wie Faster R-CNN, YOLO und Mask R-CNN zu bewerten, da er standardisierte Bewertungsmetriken wie die mittlere durchschnittliche Präzision (mAP) enthält.
Wie trainiere ich ein YOLO11 Modell unter Verwendung des VOC-Datensatzes?
Um ein YOLO11 Modell mit dem VOC-Datensatz zu trainieren, benötigen Sie die Konfiguration des Datensatzes in einer YAML-Datei. Hier ist ein Beispiel für das Training eines YOLO11n-Modells für 100 Epochen mit einer Bildgröße von 640:
Beispiel für einen Zug
Was sind die wichtigsten Herausforderungen, die im VOC-Datensatz enthalten sind?
Der VOC-Datensatz umfasst zwei große Herausforderungen: VOC2007 und VOC2012. Bei diesen Aufgaben werden Objekterkennung, Segmentierung und Klassifizierung in 20 verschiedenen Objektkategorien getestet. Jedes Bild ist sorgfältig mit Bounding Boxes, Klassenbeschriftungen und Segmentierungsmasken versehen. Die Challenges liefern standardisierte Metriken wie mAP, die den Vergleich und das Benchmarking verschiedener Computer Vision Modelle erleichtern.
Wie kann der PASCAL-VOC-Datensatz das Benchmarking und die Bewertung von Modellen verbessern?
Der PASCAL-VOC-Datensatz verbessert das Benchmarking und die Bewertung von Modellen durch seine detaillierten Anmerkungen und standardisierten Metriken wie die mittlere durchschnittliche Präzision (mAP). Diese Metriken sind entscheidend für die Bewertung der Leistung von Objekterkennungs- und Klassifizierungsmodellen. Die vielfältigen und komplexen Bilder des Datensatzes gewährleisten eine umfassende Modellevaluation in verschiedenen realen Szenarien.
Wie verwende ich den VOC-Datensatz für die semantische Segmentierung in YOLO Modellen?
Um den VOC-Datensatz für semantische Segmentierungsaufgaben mit YOLO zu verwenden, müssen Sie den Datensatz in einer YAML-Datei richtig konfigurieren. Die YAML-Datei definiert Pfade und Klassen, die für das Training von Segmentierungsmodellen benötigt werden. Die YAML-Konfigurationsdatei des VOC-Datensatzes finden Sie unter VOC.yaml für detaillierte Einstellungen. Für Segmentierungsaufgaben würden Sie ein segmentierungsspezifisches Modell verwenden wie yolo11n-seg.pt anstelle des Entdeckungsmodells.
