PASCAL VOC标注格式

PASCAL的全称是Pattern Analysis, Statistical Modelling and Computational Learning
VOC的全称是Visual Object Classes
第一届PASCAL VOC举办于2005年，然后每年一届，于2012年终止
PASCAL VOC数据集的官网地址：http://host.robots.ox.ac.uk/pascal/VOC/
当前最完整的是PASCAL VOC 2012数据集，包括：20类物体，train/val 数据集有11,530张图片，包括 27,450 目标检测标记和 6,929 分割标记，可用于图像分类、目标检测和分割。
其标注文件为.xml格式，其关键字段的意义：

• folder: 文件夹
• filename：文件名
• database: 数据库名
• annotation: 标记文件格式
• size：图像尺寸，width宽、height高，depth通道数
• segmented: 分割
• object, name: 标签名；pose:是否是姿势；truncated：是否被截断；difficult:是否识别困难。

• bndbox, 边界框位置

  

标注文件中的关键信息，用xml.etree.ElementTree模块来读取，范例代码如下

import os
import numpy as np 
import xml.etree.ElementTree as ET

xml_filename = r D:PASCAL VOC2012VOCdevkitVOC2012Annotations2007_000042.xml 
tree = ET.parse(xml_filename)
objs = tree.findall( object )
for i, obj in enumerate(objs):
    x1 = float(obj.find( bndbox ).find( xmin ).text)
    y1 = float(obj.find( bndbox ).find( xmax ).text)
    x2 = float(obj.find( bndbox ).find( ymin ).text)
    y2 = float(obj.find( bndbox ).find( ymax ).text)
    name = str(obj.find( name ).text)
    print(name, x1, y1, x2, y2)

输出结果：

train 263.0 500.0 32.0 295.0
train 1.0 235.0 36.0 299.0