VOC官方网站：http://host.robots.ox.ac.uk/pascal/VOC/

VOC2007官方网站：http://host.robots.ox.ac.uk/pascal/VOC/voc2007

1.VOC2007
作为标准数据集，voc-2007 是衡量图像分类识别能力的基准.
rcnn，yolo等都以此数据集为最为演示样例，所以有必要了解一下本数据集的组成架构

下载

wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar
wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar

解压当前路径

tar xvf VOCtrainval_06-Nov-2007.tar
tar xvf VOCtest_06-Nov-2007.tar
tar xvf VOCdevkit_08-Jun-2007.tar

则产生VOCdevkit文件夹架构

VOCdevkit/                           # development kit
VOCdevkit/local                      #  
VOCdevkit/result                     # 

VOCdevkit/VOC2007                    # image sets, annotations, etc.  重点关注
VOCdevkit/VOC2007/Annotations        # 目标真值区域,xml文件内标注了真值区域的boundingbox信息
VOCdevkit/VOC2007/ImageSets          # 类别标签,ImageSets 中有三个文件夹[Layout][Main][Segmentation]，分类识别我们只关注[Main]，它内部存储类别标签，-1表示负样本，+1为正样本
VOCdevkit/VOC2007/JPEGImages         # jpg格式图像,大小一般为 500*375 或 375*500
VOCdevkit/VOC2007/SegmentationClass  #
VOCdevkit/VOC2007/SegmentationObjec  #

VOCdevkit/VOCcode/                   # VOC utility code
VOCdevkit/devkit_doc.pdf             # VOC2007数据集说明文档,除了person数量较多，其他类别样本个数不算多，在如此小的数据集上，深度学习能获得较高的分类识别结果，足以说明深度学习的强大性能。
VOCdevkit/*.m                        # 其他m执行文件

VOCdevkit/VOC2007/Annotations内的xml文件解析参考：https://blog.csdn.net/zhayushui/article/details/80271554

VOC2007算法yolov3算法示例应用参考：https://blog.csdn.net/fendouaini/article/details/80066808