来源: Unsplash
介绍
在之前的博客中，我们为对象检测和分割创建了 COCO 和 Pascal VOC 数据集。因此，我们将深入研究这些数据集。
帕斯卡 VOC
PASCAL(模式分析、统计建模和计算学习)是欧盟的一个优秀网络。从 2005 年到 2012 年，他们举办了视觉对象挑战赛。
VoTT 注释后得到的文件结构如下。
这四个组件是 注释、图像集、JPEGImages、 和Pascal _ label _ map . pbxt .
我们将来到注释；最后，JPEGImages 是包含原始图像的文件夹。图像集包含两个 txt 文件，一个是 train，另一个是 valid，位于包含 train 和 valid 中图像列表的主文件夹中。
pascal_label_map.pbxt 包含要检测的对象的 id 和名称。
Pascal _ label _ map . pbxt
item {
id: 1
name: ‘cricketers’
}
最后也是最重要的部分是注释，注释文件是为给定文件夹中的每个图像创建的。
注释存储在一个 XML 文件中，让我们来看一个示例 XML 文件。
有不同的组件或标签对应于 XML 输出。
文件夹:包含图像。
文件名:被标注图像的相对路径。
*路径:*标注后输出文件的绝对路径。
*尺寸:*高度、宽度以像素为单位，深度表示 RGB 图像深度的通道数为 3，黑白为 1。
*对象:*包含名称、姿势、截断、困难。
- name: 包含被注释对象的名称，在我们的例子中是板球运动员。
- 姿势:向左、向右等方向。
- *截断:*如果对象超出边界框，截断为 1，否则为 0。
- 难度:如果不评估难度为 1 否则为 0。
bndbox :包围盒由左上角和右下角组成(xmin-左上角，ymin-左上角，xmax-右下角，ymax-右下角)
可可
COCO 在上下文中是一个常见的宾语。该数据集包含 328，000 幅图像中 250 万个标记实例的 91 种对象类型。
COCO 用于对象检测、分割和字幕数据集。
- 对象分割
- 语境中的识别
- 超像素素材分割
与 Pascal VOC 中的 XML 格式不同，COCO 以 JSON 格式存储注释。
COCO 的官方文件上写着它有五个物体检测、关键点检测、素材分割、全景分割和图像字幕。
图片来源 COCO 官方网站http://cocodataset.org/
COCO 注释的基本数据结构对于所有五种类型都是相同的。与 Pascal VOC 注释不同，所有图像只有一个注释。
让我们仔细看看注释文件。
四个基本组件是信息、图像、注释和许可。
信息:包含图像的标准信息/描述。
图片:上图中列出的每张图片的所有细节。
许可证:由适用于该图像的许可证组成。
这里，我们将重点关注对象检测注释。
注解 了解这些让我们先了解什么是类别。
类别包含一个具有唯一 id 的所有图像及其超级类别的列表，例如，运动员超级类别将是板球运动员，每个板球运动员将有一个唯一的 id。
"categories": [
{"supercategory": "cricketers","id": 1,"name": "Sachin"},
{"supercategory": "cricketers","id": 2,"name": "Stokes"},
{"supercategory": "umpire","id": 3,"name": "Bucknor"},
{"supercategory": "cricketers","id": 4,"name": "Waugh"},
{"supercategory": "umpire","id": 5,"name": "Taufel"},
]
注释的数量将等于整个图像数据集中存在的对象的总数。
左边是原始图像，右边是遮罩。
遮罩被转换为 COCO 注释。
注释由分割、iscrowd、image_id、category_id、id、bbox、和区域组成
[{'segmentation': [[236.0,616.5,610.5,...,613.5,233.0,612.5,236.0,616.5]],
'iscrowd': 0,
'image_id': 1,
'category_id': 1,
'id': 1,
'bbox': (199.5, 126.5, 474.0, 490.0),
'area': 103944.0}]
- *分割:*使用聚类游程编码(RLE)的多边形顶点列表。RLE 按照重复的次数存储重复的值。
- iscrowd : 0 表示单个对象，1 表示一组对象。
- image_id:对应于数据集中图像的唯一 id。
- category_id: 对应类别。
- id: 每个注释的唯一 id。
- *面积:*以像素为单位的包围盒面积。
- bbox:一个列表，包含T43【左上 x 位置，左上 y 位置，宽度，高度】
在下一篇博客中，我们将了解各种对象检测技术，并利用 COCO 和 Pascal VOC 数据。
😊