数据集介绍

数据集是模型训练最重要的部分，一个好的数据集能够给模型效果很大的提升。我们构建一个项目首要的就是数据集的选择，包括数据和标注。衡量一个数据集好坏的标准：

• 数据集的规模。
• 数据集的内容质量。
• 数据集的标注质量。

VOC数据集

PASCAL Visual Object Classes（PASCAL VOC） 是 2005-2012 年由欧盟 PASCAL 网络维护的通用视觉基准，核心任务包括 分类、检测、分割、动作识别。当今仍常把它的数据格式称为“VOC 格式”。

1 时间线与版本

最常引用的是 VOC2007 与 VOC2012；两者常合并训练再于 2007-test 测试。

2 核心任务

a) Classification

• 给出图片，判断类别是否存在（多标签）。

b) Detection（我们关注的）

• 边框 + 类别；评估指标 mAP@0.5（PASCAL IoU 阈值）。

c) Segmentation

• 语义分割 21 类（20 对象 + 背景）。

d) Person Layout

• 人体部件边界框（头/手/脚）。

e) Action Classification

• 20 种人体动作，依赖部件框标注。

3 类别一览（20 类）

人: person
动物: bird, cat, cow, dog, horse, sheep
交通工具: aeroplane, bicycle, boat, bus, car, motorbike, train
室内/常见: bottle, chair, dining table, potted plant, sofa, tv/monitor

4 目录结构（官方下载包）

VOCdevkit
└── VOC2012
    ├── Annotations/     # 每张图一个 XML，存边框与 labels
    ├── ImageSets/       # 训练/验证/测试列表（txt），按任务分
    ├── JPEGImages/      # 原始 jpg，~17k 张
    ├── SegmentationClass/ # 逐像素类别 mask（PNG，调色板存储）
    └── SegmentationObject/# 实例级 mask（同一类别不同实例不同色）

5 标注文件示范 (简化)

<annotation>
  <filename>2007_000027.jpg</filename>
  <size><width>500</width><height>333</height><depth>3</depth></size>
  <object>
    <name>person</name>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <bndbox>
      <xmin>174</xmin> 
      <ymin>101</ymin>
      <xmax>349</xmax>
      <ymax>351</ymax>
    </bndbox>
  </object>
</annotation>

字段说明：
- truncated：光照、遮挡、小目标视线影响标记 （是否截断） - difficult：辨识难度 - part：人体部件专用

6 格式衍生：VOC-style 数据

• 标签 = XML （边界框 + 类别）
• 遮罩 = PNG 调色板（0-20 整数）
• 列表 = txt

诸多数据集（自行收集的检测/分割）直接沿用上述模式，称为“VOC 格式”，无需改加载代码。

7 加载代码片段（PyTorch torchvision）

from torchvision.datasets import VOCDetection
ds = VOCDetection(root='./data', year='2007', image_set='train',
                  download=True, transforms=YourTransforms())
img, target = ds[0]   # target 是 Python-dict 形式的 XML 内容

如只读边框，：

from pascal_voc_tools import XmlReader   # 第三方小库
ann = XmlReader('VOC2007/Annotations/000001.xml')
boxes, labels = ann.get_boxes_labels()   # ndarray, list

8 评估指标

• 检测/Layout：mAP@IoU=0.5（PASCAL-style）。
• 分割：mIoU (mean Intersection over Union)。
• Action：例-level AP。

9 VOC 的局限与影响

• 规模较小（仅 20 类，10k+ 图），易被现代大网络过拟合。
• 类别分布不均（人/车多，羊/盆栽少）。
• 提供的 VOC-style XML+PNG 工作流成为工业事实标准；
  后续 COCO、Open Images 仍保留“列表文件+标注文件”思路。

10 快速上手命令

1. 下载 VOC2007/test（官网仍可获取）
   wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar

2. 解压到 ./data/，目录结构如第4点。

3. 用 torchvision 或 detectron2 / MMDetection 直接训练/测试。

VOC 虽小，却是现代目标检测/分割任务的“基石数据集”；其目录与 XML 标注格式至今仍是业界默认模板。