富阳网站建设公司,推荐ps制作网站效果图,wordpress怎么更改后台路径,人像摄影作品网站注#xff1a;本文仅供学习#xff0c;未经同意请勿转载 说明#xff1a;该博客来源于xiaobai_Ry:2020年3月笔记 对应的PDF下载链接在#xff1a;待上传
目录
目标检测常见数据集总结 V0C数据集(Annotation的格式是xmI)
A. 数据集包含种类:
B. V0C2007和V0C2012的区别…注本文仅供学习未经同意请勿转载 说明该博客来源于xiaobai_Ry:2020年3月笔记 对应的PDF下载链接在待上传
目录
目标检测常见数据集总结 V0C数据集(Annotation的格式是xmI)
A. 数据集包含种类:
B. V0C2007和V0C2012的区别:
C. 数据集格式:
D. 标注信息是用xmI文件组织的如下:
E. 各文件部分展示
COCO数据集Annotation的格式是json 目标检测常见数据集总结
这里先总结一下,我自己看完这三个常见目标检测数据集: V0C数据集(Annotation的格式是xmI)
A. 数据集包含种类:
一共包含了20类。一共包含了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.
B. V0C2007和V0C2012的区别: 图片来源于某博客忘记是哪个博客了如果博友知道方便告诉我补上链接
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。
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。
C. 数据集格式:
. ├── Annotations 【Annotations下存放的是xml文件,每个xml对应JPEGImage中的一张图片描述 | 了图片信息】 ├── ImageSets【包含三个子文件夹 Layout、Main、Segmentation】 │ ├── Action【Action下存放的是人的动作例如running、jumping等等】 │ ├── Layout 【Layout下存放的是具有人体部位的数据】 │ ├── Main 【Main下存放的是图像物体识别的数据总共分为20类。】 │ └── Segmentation 【Segmentation下存放的是可用于分割的数据】 ├── JPEGImages 【主要提供的是PASCAL VOC所提供的所有的图片信息包括训练图片测 试图片 | | 这些图像就是用来进行训练和测试验证的图像数据。注是没有标记时的 原图】 ├── SegmentationClass 【存放按照 class 分割的图片目标检测不需要】 └── SegmentationObject【存放按照 object 分割的图片目标检测不需要】
D. 标注信息是用xmI文件组织的如下: annotationfolderVOC2007/folderfilename000001.jpg/filename # 文件名 sourcedatabaseThe VOC2007 Database/databaseannotationPASCAL VOC2007/annotationimageflickr/imageflickrid341012865/flickrid/sourceownerflickridFried Camels/flickridnameJinky the Fruit Bat/name/ownersize # 图像尺寸, 用于对 bbox 左上和右下坐标点做归一化操作width353/widthheight500/heightdepth3/depth/sizesegmented0/segmented # 是否用于分割objectnamedog/name # 物体类别poseLeft/pose # 拍摄角度front, rear, left, right, unspecified truncated1/truncated # 目标是否被截断比如在图片之外或者被遮挡超过15%difficult0/difficult # 检测难易程度这个主要是根据目标的大小光照变化图片质量来判断bndboxxmin48/xminymin240/yminxmax195/xmaxymax371/ymax/bndbox/objectobjectnameperson/nameposeLeft/posetruncated1/truncateddifficult0/difficultbndboxxmin8/xminymin12/yminxmax352/xmaxymax498/ymax/bndbox/object
/annotation
E. 各文件部分展示 (1)JPEGImages: (2)Annotations COCO数据集Annotation的格式是json 图像来源链接点击此处
A. 总类别: 80类
B. 文件说明: 3种标注类型使用json文件存储每种类型包含了训练和验证 object instances目标实例 也就是目标检测object detectionobject keypoints目标上的关键点 image captions看图说话 C. 数据格式: {info: info,licenses: [license],images: [image],annotations: [annotation],}info{year: int,version: str,description: str,contributor: str,url: str,date_created: datetime,}license{id: int,name: str,url: str,} image{id: int,width: int,height: int,file_name: str,license: int,flickr_url: str,coco_url: str,date_captured: datetime,}D. 与Voc的区别: 和VOC相比coco数据集小目标多、单幅图片目标多、物体大多非中心分布、更符合日常环境所以coco检测难度更大。
YOLO数据集Annotation的格式是txt
A. 数据格式: 会直接把每张图片标注的标签信息保存到一个txt文件中
B. 数据说明: 0 0.521000 0.235075 0.362000 0.450249 0 0.213000 0.645522 0.418000 0.519900 0 0.794000 0.665423 0.376000 0.470149
每一行代表标注的一个目标第一个数代表标注目标的标签第一目标circle_red对应数字就是0后面的四个数代表标注框的中心坐标和标注框的相对宽和高注keras版yolov3训练格式是name box class这种形式
数据集格式的转换(以上三种数据集格式:xmI,json,txt的相互转换)
A. Voc与yoIo(xmI与txt)的互转
参考的博客
把LabelImg标注的YOLO格式标签转化为VOC格式标签_吾爱北方的母老虎-CSDN博客_voc计算公式
把LabelImg标注的YOLO格式标签转化为VOC格式标签 和 把VOC格式标签转化为YOLO格式标签_点亮黑夜的博客-CSDN博客
B. 三者的互转
参考的博客
a. 推荐博客1
VOC、COCO、YOLOv3 的 .json .xml .txt 标签文件内容格式转换_轮子去哪儿了-CSDN博客_去voc
VOC、COCO、YOLOv3 的 .json .xml .txt 标签文件内容格式转换_轮子去哪儿了的博客-CSDN博客_json转xml yolov3
b. 推荐博客2
yolo格式、voc格式、coco格式相互转换(xmljsontxt)_qq_38109843的博客-CSDN博客_yolo格式
yolo格式、voc格式、coco格式相互转换(xmljsontxt)_三寸光阴___的博客-CSDN博客
额外
python 下json转xml、htmlxml转json_weixin_42081389的博客-CSDN博客_python html转json
python 下json转xml、htmlxml转json_zhaojiafu666的博客-CSDN博客
