コンテンツにスキップ

VOCデータセット

<a href="http://host.robots.ox.ac.uk/pascal/VOC/">PASCAL VOC(Visual Object Classes)データセットは、よく知られた物体検出、セグメンテーション、および分類データセットです。幅広いオブジェクトカテゴリに関する研究を奨励するように設計されており、コンピュータビジョンモデルのベンチマークとして一般的に使用されています。物体検出、セグメンテーション、および分類タスクに取り組む研究者や開発者にとって不可欠なデータセットです。

主な特徴

  • VOCデータセットには、VOC2007とVOC2012という2つの主要なチャレンジが含まれています。
  • このデータセットは、車、自転車、動物などの一般的なオブジェクトや、ボート、ソファ、ダイニングテーブルなどのより具体的なカテゴリを含む、20のオブジェクトカテゴリで構成されています。
  • アノテーションには、物体検出および分類タスクのための物体のバウンディングボックスとクラスラベル、そしてセグメンテーションタスクのためのセグメンテーションマスクが含まれます。
  • VOCは、オブジェクト検出と分類のための平均適合率(mAP)のような標準化された評価指標を提供し、モデルの性能を比較するのに適しています。

データセットの構造

VOCデータセットは、3つのサブセットに分割されています。

  1. Train:このサブセットには、オブジェクトの検出、セグメンテーション、および分類モデルのトレーニング用の画像が含まれています。
  2. Validation(検証): このサブセットには、モデル学習中の検証に使用される画像が含まれています。
  3. Test: このサブセットは、トレーニング済みモデルのテストとベンチマークに使用される画像で構成されています。このサブセットの正解アノテーションは公開されておらず、結果はパフォーマンス評価のためにPASCAL VOC評価サーバーに送信されます。

アプリケーション

VOCデータセットは、物体検出(Ultralytics YOLOFaster R-CNNSSDなど)、インスタンスセグメンテーションMask R-CNNなど)、および画像分類における深層学習モデルのトレーニングと評価に広く使用されています。このデータセットは、多様な物体カテゴリ、多数のアノテーション付き画像、および標準化された評価指標を備えており、コンピュータビジョンの研究者や実務者にとって不可欠なリソースとなっています。

データセット YAML

YAML(Yet Another Markup Language)ファイルは、データセットの構成を定義するために使用されます。これには、データセットのパス、クラス、およびその他の関連情報が含まれています。VOCデータセットの場合、 VOC.yaml fileは以下で管理されています: 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: 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 ultralytics.utils.downloads import download
  from ultralytics.utils import TQDM

  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", 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

使用法

画像サイズ640でVOCデータセットのYOLO11nモデルを100エポックトレーニングするには、次のコードスニペットを使用できます。利用可能な引数の包括的なリストについては、モデルのトレーニングページを参照してください。

学習の例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="VOC.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo detect train data=VOC.yaml model=yolo11n.pt epochs=100 imgsz=640

サンプル画像とアノテーション

VOCデータセットには、さまざまなオブジェクトカテゴリと複雑なシーンを含む多様な画像セットが含まれています。以下は、データセットからの画像の例と、それに対応するアノテーションです。

データセットのサンプル画像

  • モザイク化された画像: この画像は、モザイク化されたデータセット画像で構成されるトレーニングバッチを示しています。モザイキングは、各トレーニングバッチ内のオブジェクトとシーンの多様性を高めるために、複数の画像を1つの画像に結合するトレーニング中に使用される手法です。これにより、さまざまなオブジェクトのサイズ、アスペクト比、およびコンテキストに対するモデルの汎化能力が向上します。

この例は、VOCデータセット内の画像の多様性と複雑さ、およびトレーニングプロセス中にモザイク処理を使用する利点を示しています。

引用と謝辞

VOCデータセットを研究または開発にご利用の際は、以下の論文を引用してください。

@misc{everingham2010pascal,
      title={The PASCAL Visual Object Classes (VOC) Challenge},
      author={Mark Everingham and Luc Van Gool and Christopher K. I. Williams and John Winn and Andrew Zisserman},
      year={2010},
      eprint={0909.5206},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

コンピュータビジョンコミュニティにとって貴重なリソースを作成および管理しているPASCAL VOCコンソーシアムに感謝いたします。VOCデータセットとその作成者の詳細については、PASCAL VOCデータセットのWebサイトをご覧ください。

よくある質問

PASCAL VOCデータセットとは何ですか?また、コンピュータビジョンタスクにおいて、なぜ重要なのでしょうか?

<a href="http://host.robots.ox.ac.uk/pascal/VOC/">PASCAL VOC(Visual Object Classes)データセットは、コンピュータビジョンにおける<a href="https://www.ultralytics.com/glossary/object-detection">物体検出、セグメンテーション、および分類のための有名なベンチマークです。20種類のオブジェクトカテゴリにわたる境界ボックス、クラスラベル、セグメンテーションマスクなどの包括的なアノテーションが含まれています。研究者は、平均適合率(mAP)などの標準化された評価指標により、Faster R-CNN、YOLO、Mask R-CNNなどのモデルのパフォーマンスを評価するために広く使用しています。

VOCデータセットを使用してYOLO11モデルをトレーニングするにはどうすればよいですか?

VOCデータセットでYOLO11モデルをトレーニングするには、YAMLファイルにデータセット構成が必要です。画像サイズ640でYOLO11nモデルのトレーニングを開始する例を次に示します。

学習の例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo11n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="VOC.yaml", epochs=100, imgsz=640)
# Start training from a pretrained *.pt model
yolo detect train data=VOC.yaml model=yolo11n.pt epochs=100 imgsz=640

VOCデータセットに含まれる主な課題は何ですか?

VOCデータセットには、VOC2007とVOC2012という2つの主要な課題が含まれています。これらの課題は、20の多様なオブジェクトカテゴリにわたる物体検出、セグメンテーション、および分類をテストします。各画像には、境界ボックス、クラスラベル、およびセグメンテーションマスクが細心の注意を払ってアノテーションされています。これらの課題は、mAPなどの標準化されたメトリックを提供し、さまざまなコンピュータービジョンモデルの比較とベンチマークを容易にします。

PASCAL VOCデータセットは、モデルのベンチマークと評価をどのように強化しますか?

PASCAL VOCデータセットは、詳細な注釈と平均適合率(mAP)などの標準化された指標を通じて、モデルのベンチマークと評価を強化します。これらの指標は、オブジェクト検出および分類モデルのパフォーマンスを評価するために重要です。データセットの多様で複雑な画像により、さまざまな現実世界のシナリオにわたる包括的なモデル評価が保証されます。

YOLOモデルでセマンティックセグメンテーションにVOCデータセットを使用するにはどうすればよいですか?

YOLOモデルでセマンティックセグメンテーションタスクにVOCデータセットを使用するには、YAMLファイルでデータセットを適切に構成する必要があります。YAMLファイルは、セグメンテーションモデルのトレーニングに必要なパスとクラスを定義します。詳細な設定については、VOCデータセットのYAML構成ファイル( VOC.yaml 詳細な設定については、こちらをご覧ください。セグメンテーションタスクでは、次のようなセグメンテーション固有のモデルを使用します。 yolo11n-seg.pt 検出モデルの代わりに。



📅 1年前に作成 ✏️ 5ヶ月前に更新

コメント