PaddleClas/docs/zh_CN_tmp/data_preparation/classification_dataset.md

图像分类任务数据集说明

本文档将介绍 PaddleClas 所使用的数据集格式，以及图像分类任务的主要数据集，包括 ImageNet1k 和 flowers102 的介绍。

---

1. 数据集格式说明

PaddleClas 使用 txt 格式文件指定训练集和测试集，以 ImageNet1k 数据集为例，其中 train_list.txt 和 val_list.txt 的格式形如：

# 每一行采用"空格"分隔图像路径与标注

# 下面是train_list.txt中的格式样例
train/n01440764/n01440764_10026.JPEG 0
...

# 下面是val_list.txt中的格式样例
val/ILSVRC2012_val_00000001.JPEG 65
...

2. ImageNet1k 数据集

数据集	训练集大小	测试集大小	类别数	备注
ImageNet1k	1.2M	50k	1000

从官方下载数据后，按如下组织数据

PaddleClas/dataset/ILSVRC2012/
|_ train/
|  |_ n01440764
|  |  |_ n01440764_10026.JPEG
|  |  |_ ...
|  |_ ...
|  |
|  |_ n15075141
|     |_ ...
|     |_ n15075141_9993.JPEG
|_ val/
|  |_ ILSVRC2012_val_00000001.JPEG
|  |_ ...
|  |_ ILSVRC2012_val_00050000.JPEG
|_ train_list.txt
|_ val_list.txt

3. Flowers102 数据集

数据集	训练集大小	测试集大小	类别数	备注
flowers102	1k	6k	102

将下载的数据解压后，可以看到以下目录

jpg/
setid.mat
imagelabels.mat

将以上文件放置在 PaddleClas/dataset/flowers102/ 下

通过运行 generate_flowers102_list.py 生成 train_list.txt 和 val_list.txt：

python generate_flowers102_list.py jpg train > train_list.txt
python generate_flowers102_list.py jpg valid > val_list.txt

按照如下结构组织数据：

PaddleClas/dataset/flowers102/
|_ jpg/
|  |_ image_03601.jpg
|  |_ ...
|  |_ image_02355.jpg
|_ train_list.txt
|_ val_list.txt