【SSD论文解读】论文中用到的数据集：Pascal VOC、MS COCO、ImageNet

╰半夏微凉° 2022-12-21 13:59 166阅读 0赞

### 【SSD论文解读】 论文中用到的数据集 ###

*  一、数据集介绍
 *   *   *  1、Pascal VOC
         *  2、MS COCO
         *  3、ILSVRC
 *  二、数据集处理函数
 *   *   *  1、专门的datasets类
         *  2、论文中的数据集处理函数
 *  三、训练时，三种数据集上学习率等参数的修改
 *  四、Pascal voc、COCO上，多种模型mAP对比
 *   *   *  1、Pascal voc
         *  2、COCO

# 一、数据集介绍 #

SSD 论文中使用到的数据集有3个：

### 1、Pascal VOC ###

用于**图像分类**和**目标检测**两个任务的基准测试，主要由**VOC 2007**和**VOC 2012**两部分组成，每部分包含20个常见类别。前者包含5011张训练和验证图像，4952张测试图像；后者包含11540张训练和验证图像，10991张测试图像。

详见：[PASCAL VOC2012 数据集详解][PASCAL VOC2012]  
![VOC 2007文件结构][VOC 2007]

VOC 2007文件结构

### 2、MS COCO ###

用于**目标检测与实例分割、人体关键点检测、材料识别、全景分割、图像描述**。图像包括91类目标，328,000影像和2,500,000个label。目前为止有语义分割的最大数据集，提供的类别有80类，有超过33 万张图片，其中20 万张有标注，整个数据集中个体的数目超过150 万个。

详见：[COCO数据集解析][COCO]、[Dataset之COCO数据集：COCO数据集的简介、下载][Dataset_COCO_COCO]

### 3、ILSVRC ###

是近年来机器视觉领域最受追捧也是最具权威的学术竞赛之一，代表了图像领域的最高水平，主要项目有**图像分类与目标定位、目标检测、视频目标检测、场景分类**。

使用**ImageNet数据集**，包含了超过1400万张全尺寸的有标记图片。ILSVRC比赛会每年从ImageNet数据集中抽出部分样本，以2012年为例，比赛的训练集包含1281167张图片，验证集包含50000张图片，测试集为100000张图片。

详见：[ILSVRC竞赛详细介绍（ImageNet Large Scale Visual Recognition Challenge）][ILSVRC_ImageNet Large Scale Visual Recognition Challenge]

# 二、数据集处理函数 #

### 1、专门的datasets类 ###

pytorch针对一些数据集有专门的datasets类，以datasets.VOCDetection为例。来源：[pytorch读取VOC数据之VOCDetection][pytorch_VOC_VOCDetection]

import torchvision.datasets as datasets
    voc_trainset = datasets.VOCDetection('G:/jupyter/demo_voc',year='2007', image_set='train', download=False)
    print(len(voc_trainset))

### 2、论文中的数据集处理函数 ###

详见：[目标检测算法之SSD的数据增强策略][SSD]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RlYXJfamluZw_size_16_color_FFFFFF_t_70_pic_center]

# 三、训练时，三种数据集上学习率等参数的修改 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RlYXJfamluZw_size_16_color_FFFFFF_t_70_pic_center 1]

# 四、Pascal voc、COCO上，多种模型mAP对比 #

### 1、Pascal voc ###

![Pascal VOC2007][]  
![Pascal VOC2012][]

### 2、COCO ###

![COCO][COCO 1]

[PASCAL VOC2012]: https://www.sohu.com/a/333069232_823210
[VOC 2007]: /images/20221120/ab4f9396a7f5457182a1a11234796d27.png
[COCO]: https://zhuanlan.zhihu.com/p/101984674
[Dataset_COCO_COCO]: https://blog.csdn.net/qq_41185868/article/details/82939959
[ILSVRC_ImageNet Large Scale Visual Recognition Challenge]: https://blog.csdn.net/sophia_11/article/details/84570177
[pytorch_VOC_VOCDetection]: https://blog.csdn.net/zhangzhifu2019/article/details/105781789
[SSD]: https://zhuanlan.zhihu.com/p/96949881
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RlYXJfamluZw_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/70b5251c9ba94cee93bc172520218a28.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2RlYXJfamluZw_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221120/a54b1630f8da4a1484657b361ecc1efa.png
[Pascal VOC2007]: /images/20221120/7df5cdbc9b0f4357a52ca89db3957b32.png
[Pascal VOC2012]: /images/20221120/54638cfd5cde44f28f941e50c04941df.png
[COCO 1]: /images/20221120/efa0c427ea4c49458fbcdea4b9ac5f77.png