1. 官网链接

PASCAL-VOC2012官网链接： 点击可直接下载： 点击可定位到下载的位置，查看包含了哪些： 🍀还是我云导师讲得清楚！👉

2. 包含20个类别

VOC2012数据集分为20类，包括背景为21类，分别如下：

Person (1类): person Animal (6类): bird, cat, cow, dog, horse, sheep Vehicle (7类): aeroplane, bicycle, boat, bus, car, motorbike, train Indoor (6类): bottle, chair, dining table, potted plant, sofa, tv/monitor

3. 数据集详情

像素类别顺序是：（按照字母顺序排列）

pixel indices correspond to classes in alphabetical order : (1=aeroplane, 2=bicycle, 3=bird, 4=boat, 5=bottle, 6=bus, 7=car , 8=cat, 9=chair, 10=cow, 11=diningtable, 12=dog, 13=horse, 14=motorbike, 15=person, 16=potted plant, 17=sheep, 18=sofa, 19=train, 20=tv/monitor)

这里只说与图像分割（segmentation）有关的信息，VOC2012中的图片并不是都用于分割，用于分割比赛的图片实例如下，包含：

1. Image：原图
2. SegmentationClass：图像分类分割（这里的2和3都是用于分割的8bit的PNG类型图像，其中2是用于语义分割，3是用于实例分割）
3. SegmentationObject：图像物体分割

SegmentationClass是在20种物体中，ground-turth图片上每个物体的轮廓填充都有一个特定的颜色，一共20种颜色，比如摩托车用红色表示，人用绿色表示。而SegmentationObject则仅仅在一副图中生成不同物体的轮廓颜色即可，颜色自己随便填充。

4. 文件夹排布

VOCdevkit
    └── VOC2012
         ├── Annotations               所有的图像标注信息(XML文件)
         ├── ImageSets    
         │   ├── Action                人的行为动作图像信息
         │   ├── Layout                人的各个部位图像信息
         │   │
         │   ├── Main                  目标检测分类图像信息
         │   │     ├── train.txt       训练集(5717)
         │   │     ├── val.txt         验证集(5823)
         │   │     └── trainval.txt    训练集+验证集(11540)
         │   │
         │   └── Segmentation          目标分割图像信息
         │         ├── train.txt       训练集(1464)
         │         ├── val.txt         验证集(1449)
         │         └── trainval.txt    训练集+验证集(2913)
         │ 
         ├── JPEGImages                所有图像文件
         ├── SegmentationClass         语义分割png图（基于类别）
         └── SegmentationObject        实例分割png图（基于目标）

5. 类别索引与名称对应关系

下面给出在Pascal VOC数据集中各目标类别名称与类别索引对应关系：

{
          
   
	"background": 0,
    "aeroplane": 1,
    "bicycle": 2,
    "bird": 3,
    "boat": 4,
    "bottle": 5,
    "bus": 6,
    "car": 7,
    "cat": 8,
    "chair": 9,
    "cow": 10,
    "diningtable": 11,
    "dog": 12,
    "horse": 13,
    "motorbike": 14,
    "person": 15,
    "pottedplant": 16,
    "sheep": 17,
    "sofa": 18,
    "train": 19,
    "tvmonitor": 20
}

aeroplane
bicycle
bird
boat
bottle
bus
car
cat
chair
cow
diningtable
dog
horse
motorbike
person
pottedplant
sheep
sofa
train
tvmonitor