VOC データセット
PASCALVOCObject Classes）データセットは、有名な物体検出、セグメンテーション、分類のデータセットである。このデータセットは、様々なオブジェクトカテゴリに関する研究を奨励するために設計されており、コンピュータビジョンモデルのベンチマークによく使用されます。オブジェクトの検出、セグメンテーション、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2つの主要課題がある：VOC2007とVOC2012である。
- 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 、物体検出と分類の平均平均精度mAP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る：
- 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。
- 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。
- テスト：このサブセットは、学習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る。このサブセットのグランドトゥルースアノテーションは公開されておらず、結果は性能評価のためにPASCALVOC 評価サーバに提出される。
アプリケーション
VOC データセットは、物体検出のディープラーニングモデルのトレーニングや評価に広く使用されています。 Ultralytics YOLOやFaster R-CNN、SSDなど）、インスタンスセグメンテーション（Mask R-CNNなど）、画像分類などのディープラーニングモデルの学習や評価に広く利用されている。このデータセットの多様なオブジェクトカテゴリ、多数の注釈付き画像、標準化された評価指標は、コンピュータビジョンの研究者や実務家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設定を定義するために使われる。このファイルには、データセットのパス、クラス、その他の関連情報が含まれている。VOC データセットの場合は 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.
VOCyaml
# 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 ASSETS_URL, 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
urls = [
f"{ASSETS_URL}/VOCtrainval_06-Nov-2007.zip", # 446MB, 5012 images
f"{ASSETS_URL}/VOCtest_06-Nov-2007.zip", # 438MB, 4953 images
f"{ASSETS_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
VOC データセットでYOLO11nモデルを画像サイズ640で100エポック学習させるには、以下のコード・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、様々なオブジェクトのカテゴリと複雑なシーンを持つ画像の多様なセットが含まれています。このデータセットに含まれる画像の例を、対応するアノテーションとともに紹介する：
- 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。
この例では、VOC データセットに含まれる画像の多様性と複雑さ、および学習プロセスでモザイク処理を使用する利点を示している。
引用と謝辞
研究開発でVOC データセットを使用する場合は、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}
}
PASCALVOC コンソーシアムが、コンピュータビジョンコミュニティのためにこの貴重なリソースを作成し、維持してくださっていることに感謝いたします。VOC データセットとその作成者についての詳細は、PASCALVOC データセットのウェブサイトをご覧ください。
よくある質問
PASCALVOC データセットとはどのようなもので、なぜコンピュータビジョンのタスクにとって重要なのでしょうか？
PASCALVOCObject Classes）データセットは、コンピュータビジョンにおけるオブジェクト検出、セグメンテーション、分類のベンチマークとして有名です。このデータセットには、20の異なるオブジェクトカテゴリにわたるバウンディングボックス、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。平均平均精度mAP)のような標準化された評価指標のため、研究者はFaster R-CNN、YOLO、Mask R-CNNのようなモデルの性能を評価するために広く使用しています。
VOC データセットを使ってYOLO11 モデルをトレーニングするには？
VOC データセットを使ってYOLO11 モデルを学習するには、YAMLファイルにデータセットの設定を記述する必要がある。以下はYOLO11nモデルを画像サイズ640で100エポック学習させる例です：
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2つの主要課題が含まれている：VOC2007 と VOC2012 である。これらの課題では、20 の多様なオブジェクトカテゴリにわたって、オブジェクトの検出、セグメンテーション、分類がテストされる。各画像には、バウンディングボックス、クラスラベル、セグメンテーションマスクが綿密に注釈されている。これらの課題は、mAPような標準化されたメトリクスを提供し、異なるコンピュータビジョンモデルの比較とベンチマークを容易にします。
PASCALVOC 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するのか？
PASCALVOC データセットは、その詳細なアノテーションと平均平均精度mAPような標準化されたメトリクスによって、モデルのベンチマークと評価を強化します。これらのメトリクスは、物体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非常に重要です。このデータセットの多様で複雑な画像は、様々な実世界のシナリオにおける包括的なモデル評価を保証します。
YOLO モデルのセマンティック・セグメンテーションに VOC データセットを使用するには？
VOC データセットをYOLO モデルでセマンティック・セグメンテーション・タスクに使用するには、 YAML ファイルでデータセットを適切に設定する必要がある。YAML ファイルは、セグメンテーション・モデルの学習に必要なパスとクラスを定義する。VOC データセットの YAML 設定ファイルは以下を参照。 VOCyaml 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。
