Pascal VOC 資料集介紹

介紹Pascal VOC資料集：

• Challenge and tasks， 只介紹Detection與Segmentation相關內容。
• 資料格式  Dataset
• 衡量方式  Evaluation
• voc2007, voc2012

Challenge and tasks

給定自然圖片， 從中識別出特定物體。 
待識別的物體有20類：

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

有以下幾個task： 
* Classification（略過） 
* Detection: 將圖片中所有的目標用bounding box（bbox）框出來 
* Segmentation: 將圖片中所有的目標分割出來 
* Person Layout（略過）

接下來本文只介紹Detection與Segmentation相關的內容。

Dataset

• 所有的標註圖片都有Detection需要的label， 但只有部分資料有Segmentation Label。
• VOC2007中包含9963張標註過的圖片， 由train/val/test三部分組成， 共標註出24,640個物體。
• VOC2007的test資料label已經公佈， 之後的沒有公佈（只有圖片，沒有label）。
• 不同年份的VOC資料集之間存在交集，後面年份的VOC資料集是在之前的資料集基礎之上新增資料得到的。
• 對於檢測任務，VOC2012的trainval/test包含08-11年的所有對應圖片。 trainval有11540張圖片共27450個物體。
• 對於分割任務， VOC2012的trainval包含07-11年的所有對應圖片， test只包含08-11。trainval有 2913張圖片共6929個物體。

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> <!--類別-->
        <pose>Unspecified</pose><!--物體的姿態-->
        <truncated>0</truncated><!--物體是否被部分遮擋（>15%）-->
        <difficult>0</difficult><!--是否為難以辨識的物體， 主要指要結體背景才能判斷出類別的物體。雖有標註， 但一般忽略這類物體-->
        <bndbox><!--bounding box-->
            <xmin>69</xmin>
            <ymin>4</ymin>
            <xmax>392</xmax>
            <ymax>345</ymax>
        </bndbox>
    </object>
</annotation>

Evaluation

提交的結果儲存在一個檔案中， 每行的格式為：

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

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

• confidence會被用於計算mean average precision(mAP). 簡要流程如下， 詳細可參考https://sanchom.wordpress.com/tag/average-precision/ 
  
  • 根據confidence對結果排序，計算top-1, 2, …N對應的precision和recall
  • 將recall劃分為n個區間t in [t1, ..., tn]
  • 找出滿足recall>=t的最大presicision
  • 最後得到n個最大precision， 求它們的平均值

        aps = []
        for t in np.arange(0., 1.1, 0.1):#將recall分為多個區間
        # 在所有 recall > t對應的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

如果，recall-precision曲線是單調下降的，這樣得到的結果其實就近似的等於recall-precision的面積。

程式碼給出的是voc07的計算方式， voc2010在recall區間區分上有變化： 假如有M個正樣例，則將recall劃分為[1/M, 1/(M - 1), 1/(M - 2), ... 1]。其餘步驟不變。

預測的bbx的判別：

• 如輸出的bbox與一個ground truth bbox的 IOU大於0.5， 且類別相同，則為True Positive, 否則為False Positive
• 對於一個ground truth bbox， 只會有一個 true positive， 其餘都為false positive.

Segmentation 

Ground Truth

分割的label由兩部分組成：      對畫素點進行分類
* class segmentation: 標註出每一個畫素的類別（語義分割）
* object segmentation: 標註出每一個畫素屬於哪一個物體（例項分割）

Evaluation

每類的precision和總體precision.

轉載自：http://blog.csdn.net/weixin_35653315/article/details/71028523

北理工車輛檢測資料集：

http://iitlab.bit.edu.cn/mcislab/vehicledb/