跳至内容

挥发性有机化合物数据集

PASCAL VOC（视觉对象类别）数据集是一个著名的对象检测、分割和分类数据集。该数据集旨在鼓励对各种物体类别进行研究，通常用于计算机视觉模型的基准测试。对于从事物体检测、分割和分类任务的研究人员和开发人员来说，这是一个必不可少的数据集。

主要功能

  • VOC 数据集包括两个主要挑战：VOC2007 和 VOC2012。
  • 数据集包含 20 个物体类别，包括汽车、自行车和动物等常见物体，以及船只、沙发和餐桌等更具体的类别。
  • 注释包括用于对象检测和分类任务的对象边界框和类标签，以及用于分割任务的分割掩码。
  • VOC 为物体检测和分类提供了标准化的评估指标，如平均精度（mAP），因此适用于比较模型性能。

数据集结构

挥发性有机化合物数据集分为三个子集：

  1. 训练：该子集包含用于训练物体检测、分割和分类模型的图像。
  2. 验证：该子集包含在模型训练过程中用于验证的图像。
  3. 测试：该子集包括用于测试和基准测试训练过的模型的图像。该子集的地面实况注释不公开，其结果将提交给PASCAL VOC 评估服务器进行性能评估。

应用

VOC 数据集被广泛用于训练和评估物体检测方面的深度学习模型（如 Ultralytics YOLO、Faster R-CNN 和SSD）、实例分割（如Mask R-CNN）和图像分类。该数据集包含多种物体类别、大量注释图像和标准化评估指标，是计算机视觉研究人员和从业人员的重要资源。

数据集 YAML

YAML（另一种标记语言）文件用于定义数据集配置。它包含数据集的路径、类和其他相关信息。就 VOC 数据集而言，YAML 文件中的 VOC.yaml 文件保存在 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: ../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 pathlib import Path

  from tqdm import tqdm

  from ultralytics.utils.downloads import download


  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", curl=True, 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

使用方法

要在图像大小为 640 的 VOC 数据集上训练 YOLO11n 模型 100次，可以使用以下代码片段。有关可用参数的完整列表，请参阅模型训练页面。

列车示例

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

图片和注释示例

VOC 数据集包含一组不同的图像，其中有各种物体类别和复杂场景。下面是数据集中的一些图像示例及其相应的注释：

数据集样本图像

  • 镶嵌图像：该图像展示了由马赛克数据集图像组成的训练批次。马赛克是一种在训练过程中使用的技术，可将多幅图像合并为单幅图像，以增加每个训练批次中物体和场景的多样性。这有助于提高模型对不同物体尺寸、长宽比和环境的泛化能力。

该示例展示了 VOC 数据集中图像的多样性和复杂性，以及在训练过程中使用镶嵌技术的好处。

引文和致谢

如果您在研究或开发工作中使用 VOC 数据集，请引用以下论文：

@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}
}

我们衷心感谢 PASCAL VOC 联盟为计算机视觉界创建并维护这一宝贵资源。有关 VOC 数据集及其创建者的更多信息，请访问PASCAL VOC 数据集网站。

常见问题

什么是 PASCAL VOC 数据集，为什么它对计算机视觉任务很重要？

PASCAL VOC（视觉对象类别）数据集是计算机视觉中对象检测、分割和分类的著名基准。它包括 20 个不同物体类别的全面注释，如边界框、类标签和分割掩码。研究人员广泛使用它来评估 Faster R-CNN、YOLO 和 Mask R-CNN 等模型的性能，因为它有标准化的评估指标，如平均精度（mAP）。

如何使用 VOC 数据集训练YOLO11 模型？

要使用 VOC 数据集训练YOLO11 模型，需要在 YAML 文件中提供数据集配置。下面的示例可以开始训练 YOLO11n 模型，以 640 像素的图像大小训练 100 次：

列车示例

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

挥发性有机化合物数据集中包含哪些主要挑战？

VOC 数据集包括两个主要挑战：VOC2007 和 VOC2012。这些挑战测试 20 种不同物体类别的物体检测、分割和分类。每张图像都精心标注了边界框、类别标签和分割掩码。这些挑战赛提供了 mAP 等标准化指标，便于对不同的计算机视觉模型进行比较和基准测试。

PASCAL VOC 数据集如何加强模型基准测试和评估？

PASCAL VOC 数据集通过其详细的注释和标准化指标（如平均精度(mAP)）增强了模型基准测试和评估功能。这些指标对于评估物体检测和分类模型的性能至关重要。该数据集的图像多样而复杂，可确保在各种实际场景中对模型进行全面评估。

如何在YOLO 模型中使用 VOC 数据集进行语义分割？

要将 VOC 数据集用于YOLO 模型的语义分割任务，您需要在 YAML 文件中正确配置数据集。YAML 文件定义了训练分割模型所需的路径和类。查看 VOC 数据集 YAML 配置文件，请访问 VOC.yaml 进行详细设置。对于分段任务，您可以使用特定于分段的模型，如 yolo11n-seg.pt 而不是检测模型。



📅创建于 1 年前 ✏️已更新 1 个月前
翔宇 超解助手 马修-诺伊斯 里兹万-穆纳瓦 笑-q

评论