目标检测常见数据集格式（YOLO、VOC、COCO）

1.YOLO格式数据

1.1数据格式

1.2YOLO格式数据示例

1.3YOLO格式可视化

2.COCO数据格式

2.1数据格式

2.2COCO格式数据示例

2.3COCO格式可视化

3.VOC数据格式

3.1数据格式

3.2VOC格式数据示例

3.3COCO格式可视化

🍓🍓1.YOLO格式数据

🍭1.1数据格式

YOLO格式数据后缀为txt

🍋1.2YOLO格式数据示例

YOLO格式数据一般包含图片路径、图片宽度和高度、物体类别和物体位置信息等。其中物体位置信息通常由目标框的左上角坐标(x,y)、目标框的宽度和高度 (w,h) 构成，统称为bounding box (BBox)。

以下是一个YOLO格式数据的示例:

1 0.5685714285714286 0.39084507042253525 0.02 0.03051643192488263
0 0.8114285714285714 0.5363849765258216 0.022857142857142857 0.04460093896713615
1 0.845 0.6666666666666666 0.024285714285714285 0.046948356807511735
2 0.6335714285714286 0.18427230046948356 0.01 0.01643192488262911

每一行表示一个目标框，每个目标框由一组5个数字（归一化）组成，每个数字代表的含义如下。

label_index :为标签名称在标签数组中的索引，下标从 0 开始。
cx：标记框中心点的 x 坐标，数值是原始中心点 x 坐标除以图宽后的结果。
cy：标记框中心点的 y 坐标，数值是原始中心点 y 坐标除以图高后的结果。
w：标记框的宽，数值为原始标记框的宽除以图宽后的结果。
h：标记框的高，数值为原始标记框的高除以图高后的结果。

🍇1.3YOLO格式可视化

YOLO格式的label可视化python代码：

import cv2# 画在原图001.jpg上
img = cv2.imread('001.jpg')
h, w, _ = img.shape# yolo标注数据文件名为001.txt
with open('001.txt', 'r') as f:temp = f.read()temp = temp.split()# 根据公式进行转换
x_, y_, w_, h_ = eval(temp[1]), eval(temp[2]), eval(temp[3]), eval(temp[4])x1 = w * x_ - 0.5 * w * w_
x2 = w * x_ + 0.5 * w * w_
y1 = h * y_ - 0.5 * h * h_
y2 = h * y_ + 0.5* h * h_# 画图验证，注意画图坐标要转换成int格式
cv2.rectangle(img, (int(x1), int(y1)), (int(x2), int(y2)), (255, 0, 0))
cv2.imshow('yolo_display', img)
cv2.waitKey(0)

🍓🍓2.COCO数据格式

🍭2.1数据格式

coco格式数据后缀为json

COCO 数据集的格式是基于 JSON（JavaScript Object Notation）的，使用一个主 JSON 文件来描述整个数据集，以及其他辅助的 JSON 文件来存储图像和标注等信息。在 COCO 数据集格式中，主要的 JSON 文件通常被称为 "instance" 文件，它包含了以下重要字段：

"info" 字段：用于描述数据集的基本信息，例如名称、版本、年份等。
"license" 字段：包含了数据集使用的许可证信息，可以指定数据集的使用和共享方式。
"images" 字段：存储了每张图像的相关信息，包括图像的唯一标识符、文件名、高度、宽度等。
"annotations" 字段：记录了每个图像的标注信息，每个标注包含了一些必要的信息，如标注的唯一标识符、所属图像的标识符、类别、边界框信息等。
"categories" 字段：定义了数据集中所有类别的信息，包括类别的唯一标识符、名称等。

🍋2.2COCO格式数据示例

以下是一个COCO数据格式的JSON文件的例子：

{"info": {"year": 2021,"version": "1.0","description": "COCO Dataset Example","contributor": "John Doe","url": "http://example.com","date_created": "2021-06-01"},"licenses": [{"id": 1,"name": "License 1","url": "http://example.com/license1"},{"id": 2,"name": "License 2","url": "http://example.com/license2"}],"images": [{"id": 1,"width": 500,"height": 400,"file_name": "image1.jpg","license": 1,"date_captured": "2021-01-01"},{"id": 2,"width": 800,"height": 600,"file_name": "image2.jpg","license": 2,"date_captured": "2021-02-01"}],"annotations": [{"id": 1,"image_id": 1,"category_id": 1,"bbox": [100, 100, 200, 200],"area": 40000,"iscrowd": 0},{"id": 2,"image_id": 1,"category_id": 2,"bbox": [300, 200, 150, 250],"area": 37500,"iscrowd": 1},{"id": 3,"image_id": 2,"category_id": 1,"bbox": [50, 50, 300, 400],"area": 120000,"iscrowd": 0}],"categories": [{"id": 1,"name": "cat","supercategory": "animal"},{"id": 2,"name": "dog","supercategory": "animal"}]
}

JSON文件包含了一个COCO数据集的基本信息。它包括了数据集的信息（年份、版本、描述等）、许可证信息、图像信息（宽度、高度、文件名等）、标注信息（标注ID、图像ID、类别ID、边界框、面积等）以及类别信息（类别ID、类别名称、超类别等）。

🍇2.3COCO格式可视化

coco格式的label可视化python代码：

import json
import matplotlib.pyplot as plt
from matplotlib.patches import Rectangle
from PIL import Imagedef load_data(json_file, image_file):with open(json_file, 'r') as f:data = json.load(f)image = Image.open(image_file)return data, imagedef draw_bbox(image, bbox, label):ax = plt.gca()rect = Rectangle((bbox[0], bbox[1]), bbox[2], bbox[3], linewidth=1, edgecolor='red', facecolor='none')ax.add_patch(rect)plt.text(bbox[0], bbox[1], label, fontsize=10, color='red', weight='bold')def visualize(json_file, image_file):data, image = load_data(json_file, image_file)plt.imshow(image)for ann in data['annotations']:label = data['categories'][ann['category_id']]['name']bbox = ann['bbox']draw_bbox(image, bbox, label)plt.axis('off')plt.show()json_file = 'path_to_json_file.json'
image_file = 'path_to_image_file.jpg'
visualize(json_file, image_file)

记得将path_to_json_file.json和path_to_image_file.jpg替换为实际的文件路径。

🍓🍓3.VOC数据格式

🍭3.1数据格式

VOC格式数据后缀为xml

🍋3.2VOC格式数据示例

VOC数据格式是一种用于图像标注的标准格式，它用于存储图像及其相关的标注信息。在VOC格式中，每张图片的标注标签信息会被保存到一个XML文件中。XML文件的结构包括以下几个部分：

annotation：这是整个XML文件的主要部分，包含了图片的名字及基本信息。
folder：图片所在的文件夹名称。
filename：图片的文件名。
path：图片的完整路径。
source：图片的来源信息，例如图片来自哪个数据库。
size：图片的尺寸信息，包括宽度、高度和深度。
segmented：图片是否被分割，0表示未分割，1表示被分割。
object：每个目标的标定框坐标，包括左上角的坐标和右下角的坐标。

以下是一个VOC数据格式的JSON文件的例子：

<annotation><folder>17</folder> # 图片所处文件夹<filename>77258.bmp</filename> # 图片名<path>~/frcnn-image/61/ADAS/image/frcnn-image/17/77258.bmp</path><source>  #图片来源相关信息<database>Unknown</database>  </source><size> #图片尺寸<width>640</width><height>480</height><depth>3</depth></size><segmented>0</segmented>  #是否有分割label<object> 包含的物体<name>car</name>  #物体类别<pose>Unspecified</pose>  #物体的姿态<truncated>0</truncated>  #物体是否被部分遮挡（>15%）<difficult>0</difficult>  #是否为难以辨识的物体， 主要指要结体背景才能判断出类别的物体。虽有标注， 但一般忽略这类物体<bndbox>  #物体的bound box<xmin>2</xmin>     #左<ymin>156</ymin>   #上<xmax>111</xmax>   #右<ymax>259</ymax>   #下</bndbox></object>
</annotation>

🍇3.3COCO格式可视化

coco格式的label可视化python代码：

import cv2
import xml.etree.ElementTree as ETdef visualize_labels(image_path, xml_path):# 读取图像image = cv2.imread(image_path)# 读取XML文件tree = ET.parse(xml_path)root = tree.getroot()# 遍历XML文件中的对象for obj in root.findall('object'):bbox = obj.find('bndbox')# 提取边界框的坐标xmin = int(bbox.find('xmin').text)ymin = int(bbox.find('ymin').text)xmax = int(bbox.find('xmax').text)ymax = int(bbox.find('ymax').text)# 在图像上绘制边界框cv2.rectangle(image, (xmin, ymin), (xmax, ymax), (0, 255, 0), 2)# 提取对象的标签label = obj.find('name').text# 在图像上标注对象的标签cv2.putText(image, label, (xmin, ymin - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 255, 0), 2)# 显示图像cv2.imshow("Image", image)cv2.waitKey(0)cv2.destroyAllWindows()# 示例用法
image_path = 'path_to_image.jpg'
xml_path = 'path_to_xml.xml'
visualize_labels(image_path, xml_path)

说明：