VOC-Datensatz
Der PASCAL VOC-Datensatz (Visual Object Classes) ist ein bekannter Datensatz fĂŒr die Erkennung, Segmentierung und Klassifizierung von Objekten. Er wurde entwickelt, um die Forschung zu einer Vielzahl von Objektkategorien zu fördern, und wird hĂ€ufig zum Benchmarking von Computer-Vision-Modellen verwendet. Er ist ein unverzichtbarer Datensatz fĂŒr Forscher und Entwickler, die sich mit Objekterkennung, -segmentierung und -klassifizierung befassen.
Hauptmerkmale
- Der VOC-Datensatz umfasst zwei groĂe Herausforderungen: VOC2007 und VOC2012.
- Der Datensatz umfasst 20 Objektkategorien, darunter gÀngige Objekte wie Autos, FahrrÀder und Tiere, aber auch spezifischere Kategorien wie Boote, Sofas und Esstische.
- Zu den Anmerkungen gehören Objektbegrenzungsrahmen und Klassenbezeichnungen fĂŒr die Aufgaben der Objekterkennung und -klassifizierung sowie Segmentierungsmasken fĂŒr die Segmentierungsaufgaben.
- VOC bietet standardisierte Bewertungsmetriken wie die mittlere durchschnittliche PrĂ€zision (mAP) fĂŒr die Objekterkennung und -klassifizierung und eignet sich daher fĂŒr den Vergleich der Modellleistung.
Struktur des Datensatzes
Der VOC-Datensatz ist in drei Teilmengen aufgeteilt:
- Trainieren: Diese Teilmenge enthÀlt Bilder zum Trainieren von Objekterkennungs-, Segmentierungs- und Klassifizierungsmodellen.
- Validierung: Diese Untergruppe enthÀlt Bilder, die wÀhrend 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 Evaluationsserver ĂŒbermittelt.
Anwendungen
Der VOC-Datensatz wird hĂ€ufig zum Trainieren und Evaluieren von Deep-Learning-Modellen fĂŒr die Objekterkennung (wie YOLO, Faster R-CNN und SSD), die Instanzsegmentierung (wie Mask R-CNN) und die Bildklassifizierung verwendet. Die Vielfalt der Objektkategorien, die groĂe Anzahl kommentierter Bilder und die standardisierten BewertungsmaĂstĂ€be machen den Datensatz zu einer unverzichtbaren Ressource fĂŒr Forscher/innen und Praktiker/innen im Bereich Computer Vision.
Datensatz YAML
Eine YAML-Datei (Yet Another Markup Language) wird verwendet, um die Konfiguration des Datensatzes zu definieren. Sie enthĂ€lt Informationen ĂŒber die Pfade des Datensatzes, die Klassen und andere wichtige Informationen. Im Fall 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 YOLO đ, AGPL-3.0 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
# âââ ultralytics
# âââ datasets
# âââ VOC â 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 tqdm import tqdm
from ultralytics.utils.downloads import download
from pathlib import Path
def convert_label(path, lb_path, year, image_id):
def convert_box(size, box):
dw, dh = 1. / size[0], 1. / 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/yolov5/releases/download/v1.0/'
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 paths (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 YOLOv8n Modell auf dem VOC-Datensatz fĂŒr 100 Epochen mit einer BildgröĂe von 640 zu trainieren, kannst du die folgenden Codeschnipsel verwenden. Eine umfassende Liste der verfĂŒgbaren Argumente findest du auf der Seite Modelltraining.
Beispiel fĂŒr einen Zug
Beispielbilder und Anmerkungen
Der VOC-Datensatz enthÀlt eine Vielzahl von Bildern mit verschiedenen Objektkategorien und komplexen Szenen. Hier sind einige Beispiele von Bildern aus dem Datensatz mit den dazugehörigen Anmerkungen:
- Mosaikbild: Dieses Bild zeigt einen Trainingsstapel, der aus Mosaikbildern des Datensatzes besteht. Beim Mosaikieren werden mehrere Bilder zu einem einzigen Bild zusammengefĂŒgt, um die Vielfalt der Objekte und Szenen in jedem Trainingsstapel zu erhöhen. Dadurch wird die FĂ€higkeit des Modells verbessert, sich auf verschiedene ObjektgröĂen, SeitenverhĂ€ltnisse und Kontexte einzustellen.
Das Beispiel zeigt die Vielfalt und KomplexitÀt der Bilder im VOC-Datensatz und die Vorteile der Mosaikbildung im Trainingsprozess.
Zitate und Danksagungen
Wenn du den VOC-Datensatz in deiner Forschungs- oder Entwicklungsarbeit verwendest, zitiere bitte das folgende Dokument:
Wir möchten dem PASCAL VOC-Konsortium fĂŒr die Erstellung und Pflege dieser wertvollen Ressource fĂŒr die Computer Vision Community danken. Weitere Informationen ĂŒber den VOC-Datensatz und seine Ersteller findest du auf der Website des PASCAL VOC-Datensatzes.