准备 PASCAL VOC 数据集

Pascal VOC 是一个用于目标检测的数据集集合。最常用的基准测试组合是使用 2007 trainval 和 2012 trainval 进行训练，使用 2007 test 进行验证。本教程将逐步指导您为 GluonCV 准备此数据集。

提示

您需要 8.4 GB 的磁盘空间来下载和解压此数据集。由于性能更好，建议使用 SSD 而非 HDD。

准备数据集的总时间取决于您的互联网速度和磁盘性能。例如，在 AWS EC2 上使用 EBS 通常需要 10 分钟。

准备数据集

我们需要 Pascal VOC 中的以下四个文件

文件名	大小	SHA-1
VOCtrainval_06-Nov-2007.tar	439 MB	34ed68851bce2a36e2a223fa52c661d592c66b3c
VOCtest_06-Nov-2007.tar	430 MB	41a8d6e12baa5ab18ee7f8f8029b9e11805b4ef1
VOCtrainval_11-May-2012.tar	1.9 GB	4e443f8a2eca6b1dac8a6c57641b67dd40621a49
benchmark.tgz	1.4 GB	7129e0a480c2d6afb02b517bb18ac54283bfaa35

下载和解压这些文件的最简单方法是下载辅助脚本 pascal_voc.py 并运行以下命令

python pascal_voc.py

这将自动下载数据并解压到 ~/.mxnet/datasets/voc。

如果您已经将上述文件保存在磁盘上，可以将 --download-dir 指向它们。例如，假设文件保存在 ~/VOCdevkit/ 中，您可以运行

python pascal_voc.py --download-dir ~/VOCdevkit

使用 GluonCV 读取

使用 gluoncv.data.VOCDetection 加载图像和标签非常简单。

from gluoncv import data, utils
from matplotlib import pyplot as plt

train_dataset = data.VOCDetection(splits=[(2007, 'trainval'), (2012, 'trainval')])
val_dataset = data.VOCDetection(splits=[(2007, 'test')])
print('Num of training images:', len(train_dataset))
print('Num of validation images:', len(val_dataset))

输出

Num of training images: 16551
Num of validation images: 4952

现在让我们可视化一个示例。

train_image, train_label = train_dataset[5]
print('Image size (height, width, RGB):', train_image.shape)

输出

Image size (height, width, RGB): (364, 480, 3)

通过切片 0 到 4 列获取边界框

bounding_boxes = train_label[:, :4]
print('Num of objects:', bounding_boxes.shape[0])
print('Bounding boxes (num_boxes, x_min, y_min, x_max, y_max):\n',
      bounding_boxes)

输出

Num of objects: 2
Bounding boxes (num_boxes, x_min, y_min, x_max, y_max):
 [[184.  61. 278. 198.]
 [ 89.  77. 402. 335.]]

通过切片第 5 列获取类别 ID

class_ids = train_label[:, 4:5]
print('Class IDs (num_boxes, ):\n', class_ids)

输出

Class IDs (num_boxes, ):
 [[14.]
 [12.]]

可视化图像、边界框

utils.viz.plot_bbox(train_image.asnumpy(), bounding_boxes, scores=None,
                    labels=class_ids, class_names=train_dataset.classes)
plt.show()

最后，要同时使用 train_dataset 和 val_dataset 进行训练，我们可以将它们通过数据转换并使用 mxnet.gluon.data.DataLoader 加载，更多信息请参见 train_ssd.py。