Набор данных PASCAL VOC#

21,500

VOC

ultralytics

publicDetect

PASCAL VOC is a foundational object-detection benchmark spanning 20 everyday classes, including people, animals, vehicles, and household objects. Its diverse real-world scenes and standardized evaluation established a widely used reference point for model comparison.

1020 classes1.4 GBSep 2, 2026

aeroplanebicyclebirdboat+16

Набор данных PASCAL VOC (визуальные классы объектов) — классический бенчмарк для обнаружения объектов с 20 категориями повседневных объектов. Конфигурация Ultralytics VOC.yaml объединяет части trainval VOC2007 и VOC2012 в обучающую выборку из 16 551 изображения, использует 4 952 общедоступных тестовых изображения VOC2007 для валидации и автоматически загружает все необходимые данные (2,8 ГБ) при первом использовании.

Соревнования PASCAL VOC проходили с 2005 по 2012 год и повлияли на методы оценки моделей обнаружения объектов: бенчмарк охватывает классификацию изображений, обнаружение и сегментацию и сделал среднюю точность по всем классам (mAP) стандартной метрикой обнаружения. Конфигурация Ultralytics VOC.yaml использует разметку для обнаружения и при загрузке преобразует исходные ограничивающие рамки из XML в формат YOLO.

Основные особенности#

• 20 категорий повседневных объектов: человек; шесть животных (птица, кошка, корова, собака, лошадь, овца); семь транспортных средств (самолёт, велосипед, лодка, автобус, автомобиль, мотоцикл, поезд); и шесть предметов интерьера (бутылка, стул, обеденный стол, растение в горшке, диван, телевизор).
• Объединены две версии соревнования: обучающая выборка объединяет trainval VOC2007 (5 011 изображений) и trainval VOC2012 (11 540 изображений).
• Стандартизированная оценка: опубликованные за десятилетия базовые результаты VOC дают удобную точку отсчёта для сравнения моделей обнаружения.
• Готовность к YOLO: скрипт загрузки скачивает архивы и автоматически преобразует разметку — вручную подготавливать данные не нужно.

Структура набора данных#

Конфигурация Ultralytics VOC.yaml задаёт следующие части набора данных:

Разметка тестовой выборки VOC2007 была опубликована после соревнования того года, поэтому эту часть можно использовать как размеченную выборку для валидации. Разметка тестовой выборки VOC2012 остаётся закрытой: оценить результаты на ней можно только через официальный сервер оценки PASCAL, поэтому эта часть не входит в конфигурацию.

Открой VOC на Ultralytics Platform, чтобы просматривать изображения с наложенной разметкой, изучать распределение классов и тепловые карты ограничивающих рамок на вкладке Charts, а также клонировать набор данных и обучать собственную модель в облаке.

Применение#

В годы до появления более крупного набора данных COCO PASCAL VOC был основным бенчмарком исследований в области обнаружения объектов: такие детекторы, как Faster R-CNN и SSD, впервые представили результаты на нём, а модели Ultralytics YOLO можно обучать на нём без дополнительной настройки. Сегодня этот набор по-прежнему популярен для:

• Сравнения новых архитектур обнаружения с множеством опубликованных ранее базовых результатов
• Быстрых экспериментов и учебных проектов: на 16 551 обучающем изображении обучение проходит гораздо быстрее, чем на COCO
• Исследований переноса обучения на компактном и хорошо изученном наборе повседневных классов

Файл YAML набора данных#

Файл VOC.yaml задаёт конфигурацию набора данных: пути к данным, названия 20 классов и скрипт автоматической загрузки и преобразования. Файл поддерживается в репозитории Ultralytics по адресу 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

Использование#

Чтобы обучить модель YOLO26n на наборе данных VOC в течение 100 эпох с размером изображения 640, используй следующие фрагменты кода. Полный список доступных аргументов см. на странице обучения модели.

from ultralytics import YOLO

# Загрузить модель
model = YOLO("yolo26n.pt")  # загрузить предварительно обученную модель (рекомендуется для обучения)

# Обучи модель — при первом запуске датасет скачается автоматически
results = model.train(data="VOC.yaml", epochs=100, imgsz=640)

Примеры изображений и аннотаций#

На изображении ниже показан обучающий батч с мозаичной аугментацией из набора данных VOC. Мозаичная аугментация объединяет несколько изображений в один обучающий пример, увеличивая разнообразие объектов, масштабов и контекстов сцен, которые модель видит в каждом батче. Подробнее см. в руководстве по аугментации данных YOLO.

Цитирование и благодарности#

Если ты используешь набор данных VOC в исследовательской или разработческой работе, укажи в цитировании следующую статью:

@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}}

Мы хотели бы поблагодарить консорциум PASCAL VOC за создание и поддержку этого ценного ресурса для сообщества компьютерного зрения. Дополнительную информацию о наборе данных VOC и его создателях см. на сайте набора данных PASCAL VOC.

Часто задаваемые вопросы#