Pascal VOC 数据集介绍

编辑时间: 2018-04-28 14:54:38    关键字:Pascal VOC 数据集介绍

 介绍Pascal VOC数据集:

  • Challenge and tasks, 只介绍Detection与Segmentation相关内容。
  • 数据格式
  • 衡量方式
  • voc2007, voc2012

Challenge and tasks

给定自然图片, 从中识别出特定物体。 
待识别的物体有20类:

  • person
  • bird, cat, cow, dog, horse, sheep
  • aeroplane, bicycle, boat, bus, car, motorbike, train
  • bottle, chair, dining table, potted plant, sofa, tv/monitor

有以下几个task: 
* Classification(略过) 
* Detection: 将图片中所有的目标用bounding box(bbox)框出来 
* Segmentation: 将图片中所有的目标分割出来 
* Person Layout(略过)

接下来本文只介绍Detection与Segmentation相关的内容。

Dataset

  • 所有的标注图片都有Detection需要的label, 但只有部分数据有Segmentation Label。
  • VOC2007中包含9963张标注过的图片, 由train/val/test三部分组成, 共标注出24,640个物体。
  • VOC2007的test数据label已经公布, 之后的没有公布(只有图片,没有label)。
  • 对于检测任务,VOC2012的trainval/test包含08-11年的所有对应图片。 trainval有11540张图片共27450个物体。
  • 对于分割任务, VOC2012的trainval包含07-11年的所有对应图片, test只包含08-11。trainval有 2913张图片共6929个物体。

Detection Ground Truth and Evaluation

Ground truth

<annotation>     <folder>VOC2007</folder>     <filename>009961.jpg</filename>     <source>         <database>The VOC2007 Database</database>         <annotation>PASCAL VOC2007</annotation>         <image>flickr</image>         <flickrid>334575803</flickrid>     </source>     <owner>         <flickrid>dictioncanary</flickrid>         <name>Lucy</name>     </owner>     <size><!--image shape-->         <width>500</width>         <height>374</height>         <depth>3</depth>     </size>     <segmented>0</segmented><!--是否有分割label-->     <object>         <name>dog</name> <!--类别-->         <pose>Unspecified</pose><!--物体的姿态-->         <truncated>0</truncated><!--物体是否被部分遮挡(>15%)-->         <difficult>0</difficult><!--是否为难以辨识的物体, 主要指要结体背景才能判断出类别的物体。虽有标注, 但一般忽略这类物体-->         <bndbox><!--bounding box-->             <xmin>69</xmin>             <ymin>4</ymin>             <xmax>392</xmax>             <ymax>345</ymax>         </bndbox>     </object> </annotation>
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32

Evaluation

提交的结果存储在一个文件中, 每行的格式为:

<image identifier> <confidence> <left> <top> <right> <bottom>
  • 1

例如:

comp3_det_test_car.txt: 000004 0.702732 89 112 516 466 000006 0.870849 373 168 488 229 000006 0.852346 407 157 500 213 000006 0.914587 2 161 55 221 000008 0.532489 175 184 232 201
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • confidence会被用于计算mean average precision(mAP). 简要流程如下, 详细可参考https://sanchom.wordpress.com/tag/average-precision/ 
    • 根据confidence对结果排序,计算top-1, 2, …N对应的precision和recall
    • 将recall划分为n个区间t in [t1, ..., tn]
    • 找出满足recall>=t的最大presicision
    • 最后得到n个最大precision, 求它们的平均值
        aps = []         for t in np.arange(0., 1.1, 0.1):#将recall分为多个区间         # 在所有 recall > t对应的precision中找出最大值             mask = tf.greater_equal(recall, t)             v = tf.reduce_max(tf.boolean_mask(precision, mask))              aps.append(v / 11.)         # 得到其平均值         ap = tf.add_n(aps)         return ap
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9

代码给出的是voc07的计算方式, voc2010在recall区间区分上有变化: 假如有M个正样例,则将recall划分为[1/M, 1/(M - 1), 1/(M - 2), ... 1]。其余步骤不变。

  • 如输出的bbox与一个ground truth bbox的 IOU大于0.5, 且类别相同,则为True Positive, 否则为False Positive
  • 对于一个ground truth bbox, 只会有一个 true positive, 其余都为false positive.

Segmentation

Ground Truth

分割的label由两部分组成: 
* class segmentation: 标注出每一个像素的类别 
* object segmentation: 标注出每一个像素属于哪一个物体 
20170430185425942.png

Evaluation

每类的precision和总体precision.


Reference

推荐热图

合作推荐

2010-2018 可思数据版权所有 About SYKV | ICP备案:京ICP备14056871号