【数据集显示标注】VOC文件结构+数据集标注可视化+代码实现

一、效果图：

效果前

显示：代码+常见报错===》正文开始↓

一、Pascal VOC数据集介绍

Pascal VOC网址：http://host.robots.ox.ac.uk/pascal/VOC/

训练/验证数据集下载（2G）：host.robots.ox.ac.uk/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar

数据下载镜像网站（实测迅雷教育网速度很快）：https://pjreddie.com/projects/pascal-voc-dataset-mirror/

VOCdevkit文件夹

数据集下载后解压得到一个名为VOCdevkit的文件夹，该文件夹结构如下：

└── VOCdevkit #根目录
└── VOC2012 #不同年份的数据集，这里只下载了2012的，还有2007等其它年份的
├── Annotations #存放xml文件，与JPEGImages中的图片一一对应，解释图片的内容等等
├── ImageSets #该目录下存放的都是txt文件，txt文件中每一行包含一个图片的名称，末尾会加上±1表示正负样本
│ ├── Action
│ ├── Layout
│ ├── Main
│ └── Segmentation
├── JPEGImages #存放源图片
├── SegmentationClass #存放的是图片，语义分割相关
└── SegmentationObject #存放的是图片，实例分割相关

1、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。

2、Annotations

主要存放xml格式的标签文件，每个xml对应JPEGImage中的一张图片

<annotation>  <folder>VOC2012</folder>                             <filename>2007_000392.jpg</filename>               //文件名  <source>                                           //图像来源（不重要）  <database>The VOC2007 Database</database>  <annotation>PASCAL VOC2007</annotation>  <image>flickr</image>  </source>  <size>                              //图像尺寸（长宽以及通道数）                        <width>500</width>  <height>332</height>  <depth>3</depth>  </size>  <segmented>1</segmented>            //是否用于分割（在图像物体识别中01无所谓）  <object>                              //检测到的物体  <name>horse</name>                //物体类别  <pose>Right</pose>                //拍摄角度  <truncated>0</truncated>          //是否被截断（0表示完整）  <difficult>0</difficult>          //目标是否难以识别（0表示容易识别）  <bndbox>                          //bounding-box（包含左下角和右上角xy坐标）  <xmin>100</xmin>  <ymin>96</ymin>  <xmax>355</xmax>  <ymax>324</ymax>  </bndbox>  </object>  <object>              //检测到多个物体  <name>person</name>  <pose>Unspecified</pose>  <truncated>0</truncated>  <difficult>0</difficult>  <bndbox>  <xmin>198</xmin>  <ymin>58</ymin>  <xmax>286</xmax>  <ymax>197</ymax>  </bndbox>  </object>  
</annotation>

3、ImageSets

Action // 人的动作
Layout // 人体的具体部位
Main // 图像物体识别的数据，总共20类, 需要保证train val没有交集
- train.txt
- val.txt
- trainval.txt
Segmentation // 用于分割的数据

4、SegmentationObject【实例分割相关】

5、SegmentationClass【语义分割相关】

二、VOC可视化数据集

1、作用

在做目标检测时，首先要检查标注数据。一方面是要了解标注的情况，另一方面是检查数据集的标注和格式是否正确，只有正确的情况下才能进行下一步的训练。

2、代码实现

import os
# import sys
import cv2
import random
from tqdm import tqdm
# import numpy as np
import argparse
import xml.etree.ElementTree as ETdef xml_reader(filename):""" Parse a PASCAL VOC xml file """tree = ET.parse(filename)objects = []for obj in tree.findall('object'):obj_struct = {}obj_struct['name'] = obj.find('name').textbbox = obj.find('bndbox')obj_struct['bbox'] = [int(bbox.find('xmin').text),int(bbox.find('ymin').text),int(bbox.find('xmax').text),int(bbox.find('ymax').text)]objects.append(obj_struct)return objectsdef get_image_list(image_dir, suffix=['jpg', 'png']):'''get all image path ends with suffix'''if not os.path.exists(image_dir):print("PATH:%s not exists" % image_dir)return []imglist = []for root, sdirs, files in os.walk(image_dir):if not files:continuefor filename in files:filepath = os.path.join(root, filename)if filename.split('.')[-1] in suffix:imglist.append(filepath)return imglistif __name__ == "__main__":parser = argparse.ArgumentParser(description='check data')parser.add_argument('--input', dest='input', help='The input dir of images', type=str)parser.add_argument('--output', dest='output', default='temp', help='The output dir of images', type=str)parser.add_argument('--num', dest='num', default=50, help='The number of images you want to check', type=int)args = parser.parse_args()if not os.path.exists(args.output):os.makedirs(args.output)img_list = get_image_list(args.input)img_list = random.sample(img_list, args.num)for img_path in tqdm(img_list):img = cv2.imread(img_path)if img is None or not img.any():continuexml_path = img_path.replace("JPEGImages", "Annotations").replace(".jpg", ".xml").replace(".png", ".xml")objects = xml_reader(xml_path)if len(objects) == 0:continue# draw box and namefor obj in objects:name = obj['name']box = obj['bbox']p1 = (box[0], box[1])p2 = (box[2], box[3])p3 = (max(box[0], 15), max(box[1], 15))cv2.rectangle(img, p1, p2, (0, 0, 255), 2)cv2.putText(img, name, p3, cv2.FONT_ITALIC, 1, (0, 255, 0), 2)img_name = os.path.basename(img_path)cv2.imwrite(os.path.join(args.output, img_name), img)

3、使用方法

python Visual_dataset.py --input VOCdevkit/JPEGImages --output ./Result_imgs --num 3408python 上述代码的文件名称 --input 图片地址 --output 输出文件夹地址 --num 图片数量

4、常见报错

(python38) D:\pythontorch\VOC>python Visual_dataset.py --input VOCdevkit/ImageSets --output Result_imgs --num 3408
Traceback (most recent call last):
File "Visual_dataset.py", line 55, in <module>
img_list = random.sample(img_list, args.num)
File "C:\ProgramData\Anaconda3\envs\python38\lib\random.py", line 363, in sample
raise ValueError("Sample larger than population or is negative")
ValueError: Sample larger than population or is negative

原因你的路径写错了