数据集的标注-海口c网

数据集的标注

article/2025/8/12 19:49:29

最近在了解数据集及数据集标注的相关知识。

通常情况下一些专业大型的数据集标注都是以xml文件作为标注格式，这篇博客以水下数据集URPC2020为例

这是URPC2020数据集中的第一张图片：海胆（英文名：echinus）

以下是对这张图片进行标注的xml文件

<annotation>
<frame>12-10GP020193003</frame>
<object>
<name>echinus</name>
<bndbox>
<xmin>552</xmin>
<ymin>87</ymin>
<xmax>711</xmax>
<ymax>226</ymax>
</bndbox>
</object>
<object>
<name>echinus</name>
<bndbox>
<xmin>740</xmin>
<ymin>984</ymin>
<xmax>851</xmax>
<ymax>1068</ymax>
</bndbox>
</object>
<object>
<name>echinus</name>
<bndbox>
<xmin>645</xmin>
<ymin>834</ymin>
<xmax>754</xmax>
<ymax>932</ymax>
</bndbox>
</object>
<object>
<name>echinus</name>
<bndbox>
<xmin>1644</xmin>
<ymin>978</ymin>
<xmax>1791</xmax>
<ymax>1081</ymax>
</bndbox>
</object>
<object>
<name>echinus</name>
<bndbox>
<xmin>1402</xmin>
<ymin>967</ymin>
<xmax>1570</xmax>
<ymax>1076</ymax>
</bndbox>
</object>
<object>
<name>echinus</name>
<bndbox>
<xmin>1185</xmin>
<ymin>953</ymin>
<xmax>1315</xmax>
<ymax>1053</ymax>
</bndbox>
</object>
<object>
<name>echinus</name>
<bndbox>
<xmin>1601</xmin>
<ymin>135</ymin>
<xmax>1754</xmax>
<ymax>251</ymax>
</bndbox>
</object>
<object>
<name>echinus</name>
<bndbox>
<xmin>1477</xmin>
<ymin>241</ymin>
<xmax>1613</xmax>
<ymax>349</ymax>
</bndbox>
</object>
<object>
<name>echinus</name>
<bndbox>
<xmin>911</xmin>
<ymin>482</ymin>
<xmax>1040</xmax>
<ymax>605</ymax>
</bndbox>
</object>
<object>
<name>echinus</name>
<bndbox>
<xmin>527</xmin>
<ymin>475</ymin>
<xmax>665</xmax>
<ymax>580</ymax>
</bndbox>
</object>
<object>
<name>echinus</name>
<bndbox>
<xmin>339</xmin>
<ymin>491</ymin>
<xmax>482</xmax>
<ymax>622</ymax>
</bndbox>
</object>
</annotation>

接下来我将以此为例详细地解释一下这个xml文件中的内容。

细心的朋友可能已经注意到了，xml文件的格式与html文件格式有些雷同，但又不完全一样，因此有html经验的同学会上手的稍微快一些。

整体结构分析

`（1）`根标签 `<annotation>`

表示整个标注文件的根节点，包含图像的元数据和所有物体的标注信息。

`（2）<frame>` 标签

12-10GP020193003：可能是图像的唯一标识符（如文件名、帧编号或任务编号），用于关联具体图像文件。

`（3）`多个 `<object>` 标签

每个 <object> 标签描述图像中的一个检测目标，包含类别名称（<name>）和位置坐标（<bndbox>）

关键标签解析

（1）`<name>` 标签

含义：标注目标的类别名称。
内容：所有 <name> 均为 echinus，表示检测目标为海胆（echinus 是海胆的英文名称）。

（2）`<bndbox>` 标签

含义：用矩形框标注目标在图像中的位置，坐标基于图像的像素坐标系（通常左上角为原点，x 轴向右、y 轴向下）。
坐标参数：
- <xmin>：矩形框左上角的 x 坐标
- <ymin>：矩形框左上角的 y 坐标
- <xmax>：矩形框右下角的 x 坐标
- <ymax>：矩形框右下角的 y 坐标
示例解读（以第一个完整 <object> 为例）：

<object>
<name>echinus</name>
<bndbox>
<xmin>552</xmin>
<ymin>87</ymin>
<xmax>711</xmax>
<ymax>226</ymax>
</bndbox>
</object>

表示该海胆目标的矩形框坐标为：

左上角：(645, 834)
右下角：(754, 932)
矩形框宽度：754 - 645 = 109 像素
矩形框高度：932 - 834 = 98 像素

一张蹄片中可能包含多个海胆（即待检测目标），那么对每一个海胆目标都要写一个object。

数据用途

目标检测训练
这些标注数据可用于训练深度学习模型（如 YOLO、Faster R-CNN 等），使模型能够识别图像中的海胆并定位其位置。
数据集结构
- 该文件可能属于某个海胆检测数据集的一部分，每个 XML 文件对应一张图像的标注。
- 通常需配合图像文件（如 JPEG/PNG）和其他元数据（如图像尺寸）使用。
潜在扩展信息
- 标准 PASCAL VOC 格式还包含 <size>（图像宽高）、<difficult>（目标是否难检测）等标签，但此代码中未体现，可能被简化或省略。