本文主要是介绍目标检测之-Caffe-SSD系列（一）数据的处理-PASCAL VOC，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
目标检测任务之数据的处理
参考：
CSDN博客表格的MD语法
PASCAL VOC数据集介绍
常见的目标检测数据集之PASCAL VOC
1 . PASCAL VOC数据集介绍
| 数据集名称 | 训练集（本地训） | 测试集（本地测） |
|---|---|---|
| PASCAL VOC | 2007 trainval + 2012 trainval(“07+12”) | 2007 test |
训练验证集和测试集比例为1:1
| ……… | VOC2007（trainval） | VOC2007（test） | VOC2012（trainval） | VOC2012（test） |
|---|---|---|---|---|
| 图片数 | 9963 | 约9963 | 11540 | 约11540 |
注：单独的VOC2012应该只包含08至12年的数据。
| 数据集英文标签（20类） | 数据集中文标签（20类） |
|---|---|
| 人 | person |
| 鸟，猫，牛，狗，马，羊 | bird, cat, cow, dog, horse, sheep |
| 飞机，自行车，船，巴士，汽车，摩托车，火车 | aeroplane, bicycle, boat, bus, car, motorbike, train |
| 瓶，椅子，餐桌，盆栽，沙发，电视/显示器 | bottle, chair, dining table, potted plant, sofa, tv/monitor |
PASCAL VOC类别的详细定义
2 . 检测任务Bounding Box标签
2.1 Bouding Box标注原则：
除非Bounding box必须扩大来包含物体（<5%），如说汽车上的天线，那么Bounding box必须只包含物体的可见部分，不包含预估部分。
2.2 标注信息
标注信息是以xml文件保存的，我们需要读取xml文件，然后将里面的信息读取出来。
创建xml文件可参考：https://github.com/TangShengqin/Fashion-AI/tree/master/LIP/GetAnnotationsXml.py
读取xml文件可参考：https://github.com/TangShengqin/Fashion-AI/blob/master/darknet/voc_label.py
import xml.etree.ElementTree as ET
tree=ET.parse(in_file) # 将xml文件解析成一个树结构的数据，然后依次解析出xml文件中的内容，保存为xxx.txt文件，里面记录了class, x_min, y_min, x_max, y_max这篇关于目标检测之-Caffe-SSD系列（一）数据的处理-PASCAL VOC的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
