VOC 数据集

可变形网络 :https://github.com/msracver/Deformable-ConvNets

VOC数据集:

Test 参数

(‘PascalVOC‘, ‘2007_test‘, ‘./data‘, ‘./data/VOCdevkit‘, ‘./output/rcnn/voc/resnet_v1_101_voc0712_rcnn_dcn_end2end/2007_test‘)

VOC2007

20类*4 + train.txt , val.txt , trainval.txt, test.txt

train.txt      2501val.txt        2510trainval.txt   5011test.txt       4952 

VOC2012

20类*3 + train.txt, val.txt, trainval.txt

train.txt     5717val.txt       5823trainval.txt  11540

原文地址:https://www.cnblogs.com/TreeDream/p/10167914.html

时间: 2024-08-30 16:48:05

VOC 数据集的相关文章

PASCAL VOC数据集分析(转)

PASCAL VOC数据集分析 PASCAL VOC为图像识别和分类提供了一整套标准化的优秀的数据集,从2005年到2012年每年都会举行一场图像识别challenge. 本文主要分析PASCAL VOC数据集中和图像中物体识别相关的内容. 在这里采用PASCAL VOC2012作为例子.下载地址为:点击打开链接.(本文中的系统环境为ubuntu14.04) 下载完之后解压,可以在VOCdevkit目录下的VOC2012中看到如下的文件: 其中在图像物体识别上着重需要了解的是Annotation

VOC数据集 目标检测

最近在做与目标检测模型相关的工作,很多都要求VOC格式的数据集. PASCAL VOC挑战赛 (The PASCAL Visual Object Classes )是一个世界级的计算机视觉挑战赛, PASCAL全称:Pattern Analysis, Statical Modeling and Computational Learning,是一个由欧盟资助的网络组织.很多模型都基于此数据集推出.比如目标检测领域的yolo,ssd等等. voc数据集结构 看下目录结构 :~/git_project

【Detection】物体识别-制作PASCAL VOC数据集

代码下载:github PASCAL VOC数据集 PASCAL VOC为图像识别和分类提供了一整套标准化的优秀的数据集,从2005年到2012年每年都会举行一场图像识别challenge 默认为20类物体 1 数据集结构 ①JPEGImages JPEGImages文件夹中包含了PASCAL VOC所提供的所有的图片信息,包括了训练图片和测试图片. ref:PASCAL VOC数据集分析 ②Annotations Annotations文件夹中存放的是xml格式的标签文件,每一个xml文件都对

Pascal VOC & COCO数据集介绍 & 转换

目录 Pascal VOC & COCO数据集介绍 Pascal VOC数据集介绍 1. JPEGImages 2. Annotations 3. ImageSets 4. SegmentationObject & SegmentationClass COCO数据集介绍 数据集分类 Coco VOC数据集转化为COCO数据集格式 训练detectron 训练 测试 评估 Reference Pascal VOC & COCO数据集介绍 Pascal VOC数据集介绍 Annotat

制作数据集

参考博客:http://blog.csdn.net/juewu1993/article/details/54773269 http://blog.csdn.net/samylee/article/details/51201744 http://blog.csdn.net/sinat_30071459/article/details/50723212 http://blog.csdn.net/zhangjunbob/article/details/52769381 这个博客对pascal voc数

用DPM(Deformable Part Model,voc-release3.1)算法在INRIA数据集上训练自己的人体检测模型

我的环境 DPM源码版本:voc-release3.1 VOC开发包版本:VOC2007_devkit_08-Jun Matlab版本:MatlabR2012b c++编译器:VS2010 系统:Win7 32位 learn.exe迭代次数:5万次 数据集:INRIA 人体数据集,等 步骤一,首先要使voc-release3.1目标检测部分的代码在windows系统下跑起来: 在Windows下运行Felzenszwalb的Deformable Part Models(voc-release4.

SSD框架训练自己的数据集

SSD demo中详细介绍了如何在VOC数据集上使用SSD进行物体检测的训练和验证.本文介绍如何使用SSD实现对自己数据集的训练和验证过程,内容包括: 1 数据集的标注2 数据集的转换3 使用SSD如何训练4 使用SSD如何测试 1 数据集的标注 数据的标注使用BBox-Label-Tool工具,该工具使用python实现,使用简单方便.该工具生成的标签格式是:object_numberx1min y1min x1max y1maxx2min y2min x2max y2max...2 数据集的

用DPM(Deformable Part Model,voc-release4.01)算法在INRIA数据集上训练自己的人体检测模型

步骤一,首先要使voc-release4.01目标检测部分的代码在windows系统下跑起来: 参考在window下运行DPM(deformable part models) -(检测demo部分) 步骤二,把训练部分代码跑通,在VOC数据集上进行测试,如下文: 在windows下运行Felzenszwalb的Deformable Part Model(DPM)源码voc-release3.1来训练自己的模型 但是其中的learn.cpp代码有误,其中319行check(argc == 8)通不

目标检测算法SSD在window环境下GPU配置训练自己的数据集

由于最近想试一下牛掰的目标检测算法SSD.于是乎,自己做了几千张数据(实际只有几百张,利用数据扩充算法比如镜像,噪声,切割,旋转等扩充到了几千张,其实还是很不够).于是在网上找了相关的介绍,自己处理数据转化为VOC数据集的格式,在转化为XML格式等等.具体方法可以参见以下几个博客.具体是window还是Linux请自行对号入座. Linux:http://blog.sina.com.cn/s/blog_4a1853330102x7yd.html window:http://blog.csdn.n