VOC2012¶

class paddle.vision.datasets. VOC2012 ( data_file=None, mode='train', transform=None, download=True, backend=None ) [源代码] ¶

VOC2012 数据集的实现。

参数¶

data_file (str，可选) - 数据集文件路径，如果 download 参数设置为 True， data_file 参数可以设置为 None。默认值为 None，默认存放在：~/.cache/paddle/dataset/voc2012。

mode (str，可选) - 'train' 或 'test' 模式两者之一，默认值为 'train'。

transform (Callable，可选) - 图片数据的预处理，若为 None 即为不做预处理。默认值为 None。

download (bool，可选) - 当 data_file 是 None 时，该参数决定是否自动下载数据集文件。默认值为 True。

backend (str，可选) - 指定要返回的图像类型：PIL.Image 或 numpy.ndarray。必须是 {'pil'，'cv2'} 中的值。如果未设置此选项，将从 paddle.vision.get_image_backend 获得这个值。默认值为 None。

返回¶

Dataset，VOC2012 数据集实例。

代码示例¶

          >>> import itertools
>>> import paddle.vision.transforms as T
>>> from paddle.vision.datasets import VOC2012


>>> voc2012 = VOC2012()
>>> print(len(voc2012))
2913

>>> for i in range(5):  # only show first 5 images
...     img, label = voc2012[i]
...     # do something with img and label
...     print(type(img), img.size)
...     # <class 'PIL.JpegImagePlugin.JpegImageFile'> (500, 281)
...     print(type(label), label.size)
...     # <class 'PIL.PngImagePlugin.PngImageFile'> (500, 281)


>>> transform = T.Compose(
...     [
...         T.ToTensor(),
...         T.Normalize(
...             mean=[0.5, 0.5, 0.5],
...             std=[0.5, 0.5, 0.5],
...             to_rgb=True,
...         ),
...     ]
... )

>>> voc2012_test = VOC2012(
...     mode="test",
...     transform=transform,  # apply transform to every image
...     backend="cv2",  # use OpenCV as image transform backend
... )
>>> print(len(voc2012_test))
1464

>>> for img, label in itertools.islice(iter(voc2012_test), 5):  # only show first 5 images
...     # do something with img and label
...     print(type(img), img.shape)
...     # <class 'paddle.Tensor'> [3, 281, 500]
...     print(type(label), label.shape)
...     # <class 'numpy.ndarray'> (281, 500)

         