各种数据集格式

data_format.md

各种数据集的数据格式

---

Kitti格式

example:

Pedestrian 0.00 0 -0.20 712.40 143.00 810.73 307.92 1.89 0.48 1.20 1.84 1.47 8.41 0.01

字段	含义	说明
Pedestrian	目标类别
第2个数	物体是否被截断	0~1，浮点数，0:非截断；1:截断，其中truncated指离开图像边界的对象
第3个数	物体是否被遮挡	0:完全可见；1:小部分遮挡；2:大部分遮挡；3:完全遮挡
第4个数	alpha，物体的观察角度	范围：-pi~pi https://img-blog.csdnimg.cn/20200518224534365.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzI5OTMxMDgz,size_16,color_FFFFFF,t_70
第5~8个数	目标边框	xmin,ymin,xmax,ymax
第9~11个数	3维物体的尺寸	高、宽、长（单位：米）
第12~14个数	3维物体的位置	x,y,z（在照相机坐标系下，单位：米）
第15个数	3维物体的空间方向：rotation_y	在照相机坐标系下，物体的全局方向角（物体前进方向与相机坐标系x轴的夹角），范围：-pi~pi
第16个数	检测的置信度

YOLO格式

example:

0  0.160938  0.541667  0.120312  0.386111

字段	含义	说明
第1个数	目标类别
第2~5个数	归一化后的目标框	归一化后的中心点x坐标，归一化后的中心点y坐标，归一化后的目标框宽度w，归一化后的目标况高度h（此处归一化指的是除以图片宽和高）

VOC格式

example:

<?xml version="1.0" encoding="utf-8"?>
<annotation>
    <folder>VOC2007</folder>
    <filename>test100.mp4_3380.jpeg</filename>#图片格式以及名称
    <size>
        <width>1280</width>
        <height>720</height>
        <depth>3</depth>#图片大小以及是否为rgb
    </size>
    <object>
        <name>gemfield</name>#图片中一个目标名为gemfield
        <bndbox>
            <xmin>549</xmin>#xmin、ymin是含目标框的左上角坐标，xmax、ymax是含目标右下角坐标
            <xmax>715</xmax>
            <ymin>257</ymin>
            <ymax>289</ymax>
        </bndbox>
        <truncated>0</truncated>
        <difficult>0</difficult>
    </object>
    <object>
        <name>civilnet</name>
        <bndbox>
            <xmin>842</xmin>
            <xmax>1009</xmax>
            <ymin>138</ymin>
            <ymax>171</ymax>
        </bndbox>
        <truncated>0</truncated>
        <difficult>0</difficult>
    </object>
    <segmented>0</segmented>
</annotation>