Conjunto de dados PASCAL VOC#

21,500

VOC

ultralytics

publicDetect

The PASCAL VOC (Visual Object Classes) dataset is a well-known object detection dataset designed to encourage research on a wide variety of object categories and is commonly used for benchmarking computer vision models.

720 classes1.4 GBApr 28, 2026

aeroplanebicyclebirdboat+16

O conjunto de dados PASCAL VOC (Visual Object Classes) é uma referência clássica de object detection com 20 classes de objetos do dia a dia. A configuração do Ultralytics VOC.yaml combina as divisões de trainval VOC2007 e VOC2012 num conjunto de treino de 16.551 imagens, valida nas 4.952 imagens de teste do VOC2007 anotadas publicamente e transfere tudo automaticamente (2,8 GB) na primeira utilização.

Os desafios PASCAL VOC decorreram entre 2005 e 2012 e moldaram a forma como os modelos de object detection são avaliados: a referência abrange tarefas de classificação de imagens, deteção e segmentação, e popularizou o mean Average Precision (mAP) como a métrica de deteção padrão. A configuração do Ultralytics VOC.yaml utiliza as anotações de deteção, convertendo as caixas delimitadoras XML originais para o formato YOLO durante a transferência.

Principais recursos#

• 20 classes de objetos do cotidiano: pessoa; seis animais (pássaro, gato, vaca, cachorro, cavalo, ovelha); sete veículos (avião, bicicleta, barco, ônibus, carro, moto, trem); e seis objetos internos (garrafa, cadeira, mesa de jantar, planta em vaso, sofá, monitor de TV).
• Duas gerações de desafios combinadas: o treinamento mescla o trainval do VOC2007 (5.011 imagens) com o trainval do VOC2012 (11.540 imagens).
• Avaliação padronizada: décadas de baselines do VOC publicados tornam-no um ponto de referência conveniente para comparar modelos de detecção.
• Pronto para YOLO: o script de download busca os arquivos e converte as anotações automaticamente — sem preparação manual.

Estrutura do Dataset#

A configuração do Ultralytics VOC.yaml define as seguintes divisões:

As anotações de teste do VOC2007 foram lançadas publicamente após o desafio daquele ano, o que permite que este split sirva como um conjunto de validação rotulado. As anotações de teste do VOC2012 permanecem retidas — os resultados nelas só podem ser pontuados através do servidor oficial de avaliação PASCAL — portanto, não fazem parte desta configuração.

Explora VOC on Ultralytics Platform para navegar pelas imagens com as respetivas sobreposições de anotações, ver a distribuição de classes e os mapas de calor de caixas delimitadoras no separador Charts, e cloná-lo para treinar o teu próprio modelo na nuvem.

Aplicações#

O PASCAL VOC foi a principal referência para a investigação em deteção de objetos nos anos anteriores ao COCO dataset, que é maior: detetores como Faster R-CNN e SSD relataram os seus resultados originais nele, e os modelos Ultralytics YOLO treinam nele de forma nativa. Atualmente, continua a ser popular para:

• Comparar novas arquiteturas de detecção com um longo histórico de baselines publicados
• Experimentos rápidos e trabalhos acadêmicos — com 16.551 imagens de treinamento, ele treina muito mais rápido que o COCO
• Estudos de Transfer learning num conjunto compacto e bem compreendido de classes do dia a dia

YAML do Dataset#

O ficheiro VOC.yaml define a configuração do conjunto de dados — os caminhos do conjunto de dados, os 20 nomes das classes e o script automático de transferência e conversão. É mantido no repositório do Ultralytics em https://github.com/ultralytics/ultralytics/blob/main/ultralytics/cfg/datasets/VOC.yaml.

# Ultralytics 🚀 AGPL-3.0 License - https://ultralytics.com/license

# PASCAL VOC dataset https://www.robots.ox.ac.uk/~vgg/projects/pascal/VOC by University of Oxford
# 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

      with open(path / f"VOC{year}/Annotations/{image_id}.xml") as in_file, open(lb_path, "w", encoding="utf-8") as out_file:
          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, 5011 images
      f"{ASSETS_URL}/VOCtest_06-Nov-2007.zip",  # 438MB, 4952 images
      f"{ASSETS_URL}/VOCtrainval_11-May-2012.zip",  # 1.95GB, 17125 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

Uso#

Para treinar um modelo YOLO26n no conjunto de dados VOC durante 100 epochs com um tamanho de imagem de 640, podes utilizar os seguintes snippets de código. Para obteres uma lista abrangente de argumentos disponíveis, consulta a página de Training do modelo.

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model - dataset will auto-download on first run
results = model.train(data="VOC.yaml", epochs=100, imgsz=640)

Exemplos de Imagens e Anotações#

A imagem abaixo mostra um lote de treino em mosaico do conjunto de dados VOC. O mosaico combina várias imagens num único exemplo de treino, aumentando a variedade de objetos, escalas e contextos de cena que o modelo vê em cada lote — consulta o YOLO data augmentation guide para obteres detalhes.

Citações e Agradecimentos#

Se usares o conjunto de dados VOC no teu trabalho de pesquisa ou desenvolvimento, por favor cita o seguinte artigo:

@article{everingham2010pascal,
  author={Everingham, Mark and Van Gool, Luc and Williams, Christopher K. I. and Winn, John and Zisserman, Andrew},
  journal={International Journal of Computer Vision},
  title={The Pascal Visual Object Classes (VOC) Challenge},
  year={2010},
  volume={88},
  number={2},
  pages={303-338},
  doi={10.1007/s11263-009-0275-4}}

Gostaríamos de agradecer ao PASCAL VOC Consortium por criar e manter este recurso valioso para a comunidade de computer vision. Para mais informações sobre o conjunto de dados VOC e os seus criadores, visita o PASCAL VOC dataset website.

FAQ#