1. 数据集

一个目标检测的深度学习模型，可以接受原始图片的输入，将目标标注后输出。

alt text

在训练模型时，我们要提供输入和输出，称为学习。而模型训练完后，我们提供输入，由模型自行输出，则称为推理或者泛化。这里的输入和输出就是数据集。

巧妇难为无米之炊，由此可见，在深度学习中，数据集扮演着至关重要的角色，其质量会大大影响模型的质量。

2. 数据集集合网站

https://paperswithcode.com（该网站已经失效，继任者：https://huggingface.co/ ）网站收录了很多开源代码、数据集和论文。在这里可以看到各个数据集的数据规模、下载次数和Like次数等，由此可以评估各个数据集的受欢迎程度。

alt text

3. VOC数据集

VOC全称The Pascal Visual Object Classes Challenge，是一个竞赛，从2005年一直举办到2012年，每年一届，是之前比较流行的数据集。2014年之后，COCO数据集则替代了VOC数据集，成为主流的目标检测数据集选择。

VOC的官方网站地址为：https://www.robots.ox.ac.uk/~vgg/projects/pascal/VOC/ 。里面可以看到每一年的竞赛的介绍。

alt text

3.1. 如何衡量数据集的质量？

如何去衡量数据集的质量高不高呢？

alt text

主要从以下三个角度去衡量：

  • 数据量（包括图片数量和目标类别）
  • 数据集要符合真实场景，比如照片的拍摄光照、角度等要和真实场景类似，且覆盖全面
  • 标注时要完整，避免漏标注、错误标注、部分标注等情况

我们自己在标注数据集的时候，也要遵循这三个原则。

3.2. VOC数据集的质量

VOC的数据集从2005年到2007年，每年的数据内容都会完全变化，且数据量持续增长。到了2008年，数据量出现下降，再往后从2009年到2012年，每一年都会在前一年的数据的基础上进行拓展。

alt text

所以整个VOC数据集分为两个系列，一个是2005年到2007年，这一系列中，2007年的数据集质量较高；一个是2008年到2012年，这一系列中，2012年的数据集质量较高。所以总体来说，2007和2012这两年的数据集比较流行。

3.3. VOC数据集下载

从官网进入年份子页面：

alt text

在年份子页面的Development Kit处可以下载数据：

alt text

提取出来的下载链接：

2007：https://www.robots.ox.ac.uk/~vgg/projects/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar

2012：https://www.robots.ox.ac.uk/~vgg/projects/pascal/VOC/voc2012/VOCtrainval_11-May-2012.tar

一个小Tips：

2007的链接会被重定向到https://thor.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.ta 并报404的错误。
alt text

这里应该是官方写错重定向了，链接最后少了个r，加上即可正确下载。

温馨提示：官网下载速度比较慢，可以复制链接去迅雷下载。