在語義分割的一些論文中常常會對幾個常用的數據集進行驗證，以驗證算法的優越性，無論是在分割性能還是分割速度上。在一些模型的復現中，由於不同作者的代碼風格不同，所有我們有必要根據自己的數據格式進行稍作修改，所以對於數據集的結構瞭解是必不可少的，下面就幾種常用的分割數據集進行解析。
PASCAL-VOC2012
數據集介紹官網：http://host.robots.ox.ac.uk/pascal/VOC/voc2012/index.html
VOC2012數據集分爲20類，包括背景爲21類，分別如下：
Person: person
Animal: bird, cat, cow, dog, horse, sheep
Vehicle: aeroplane, bicycle, boat, bus, car, motorbike, train
Indoor: bottle, chair, dining table, potted plant, sofa, tv/monitor
總覽
這裏只說與圖像分割（segmentation）有關的信息，VOC2012中的圖片並不是都用於分割，用於分割比賽的圖片實例如下，包含原圖以及圖像分類分割和圖像物體分割兩種png圖。圖像分類分割是在20種物體中，ground-turth圖片上每個物體的輪廓填充都有一個特定的顏色，一共20種顏色，比如摩托車用紅色表示，人用綠色表示。而圖像物體分割則僅僅在一副圖中生成不同物體的輪廓顏色即可，顏色自己隨便填充。
數據集基本結構如下：
其中Annotations文件夾中是圖片的XML信息，xml信息包含了該圖片的基本信息，xml語言很易讀，我們從中可以輕易得出這幅圖片的一些基本信息，其中segmented一欄爲1，這裏的意思是這幅圖用於分割（因爲VOC2012中一共有10000+圖，但並不都用於分割任務，有的用以物體標識或者動作識別等），若這一欄爲0說明這幅圖不是用於圖像分割的。
ImageSets文件夾中有有四個文件夾，其中Segmentation是我們分割所需的文件，其中包含訓練，驗證檢索的.txt文件，train和val中的圖片加一起一共2913張圖。JPEGImages文件中是我們的原始圖片，這些圖片一共有17125張，我們並不是都使用，我們僅對train.txt和val.txt中列出的圖像進行使用，而其他的圖像則用於不同的任務中，用於分割的圖片在.txt文件中有詳細，。
上面我們介紹了Image，GT圖像在SegentationClass文件夾中。
從這裏也可以看出，Image文件夾中的圖像部分是用於分割任務的。
圖像分割的數據集一般都是採用上面說明的VOC2012挑戰數據集，有人說benchmark_LELEASE爲增強數據集，具體原因我不清楚，可能是因爲benchmark_LELEASE的圖片都是用於分割（一共11355張），而VOC2012僅僅部分圖片適用於分割（2913張）吧。我們自己製作數據集的時候，只需要圖像的json、xml分割信息就可以通過程序生成對應的png輪廓圖。
Cityscapes
該數據集包含如下：images_base和annotations_base分別對應這文件夾leftImg8bit（5,030 items, totalling 11.6 GB，factually 5000 items）和gtFine（30,030 items, totalling 1.1 GB）。裏面都包含三個文件夾：train、val、test。總共5000張精細釋，2975張訓練圖，500張驗證圖和1525張測試圖。
在leftImg8bit/train下有18個子文件夾對應德國的16個城市，法國一個城市和瑞士一個城市；在leftImg8bit/val下有3個子文件夾對應德國的3個城市；在leftImg8bit/test下有6個子文件夾對應德國的6個城市。
在gtFine/train下有18個子文件夾對應leftImg8bit/train裏面的文件夾，但是不一樣的leftImg8bit裏面的一張原圖，對應着gtFine裏面有6個文件分別是color.png、instanceIds.png、instanceTrainIds.png、labelIds.png、labelTrainIds.png、polygons.json。