首先從網站上下載VOC2007數據集下載鏈接
文件結構
概述
下載後的數據文件主要包含以下內容：
由於我們是將數據用於檢測，因此，我們只關注Annotation，ImageSets和JPEGImages三個文件夾。下面我們逐個分析每一個文件夾下面的內容：
JPEGImages
這個文件夾主要放置數據的原始圖片，圖片的文件名用00001.jpg進行命名。
Annotations
這個文件夾放置的是對每一張圖片的標註。標註使用XML文件的格式。XML是標記語言，形如HTML，詳細概念參看百度。每一個XML文件對應一張圖片的標註結果，我們以上圖000005.jpg的標註爲例進行說明。
首先該圖的內容是這樣的：
這張圖片對應的XML文件(000005.xml)標記結果如下：
<annotation>
<folder>VOC2007</folder>
<!--文件名-->
<filename>000005.jpg</filename>.
<!--數據來源-->
<source>
<!--數據來源-->
<database>The VOC2007 Database</database>
<annotation>PASCAL VOC2007</annotation>
<!--來源是flickr，一個雅虎的圖像分享網站，下面是id，對於我們沒有用-->
<image>flickr</image>
<flickrid>325991873</flickrid>
</source>
<!--圖片的所有者，也沒有用-->
<owner>
<flickrid>archintent louisville</flickrid>
<name>?</name>
</owner>
<!--圖像尺寸,寬、高、長-->
<size>
<width>500</width>
<height>375</height>
<depth>3</depth>
</size>
<!--是否用於分割，0表示用於，1表示不用於-->
<segmented>0</segmented>
<!--下面是圖像中標註的物體,每一個object包含一個標準的物體-->
<object>
<!--物體名稱，拍攝角度-->
<name>chair</name>
<pose>Rear</pose>
<!--是否被裁減，0表示完整，1表示不完整-->
<truncated>0</truncated>
<!--是否容易識別，0表示容易，1表示困難-->
<difficult>0</difficult>
<!--bounding box的四個座標-->
<bndbox>
<xmin>263</xmin>
<ymin>211</ymin>
<xmax>324</xmax>
<ymax>339</ymax>
</bndbox>
</object>
<object>
<name>chair</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>165</xmin>
<ymin>264</ymin>
<xmax>253</xmax>
<ymax>372</ymax>
</bndbox>
</object>
<object>
<name>chair</name>
<pose>Unspecified</pose>
<truncated>1</truncated>
<difficult>1</difficult>
<bndbox>
<xmin>5</xmin>
<ymin>244</ymin>
<xmax>67</xmax>
<ymax>374</ymax>
</bndbox>
</object>
<object>
<name>chair</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>241</xmin>
<ymin>194</ymin>
<xmax>295</xmax>
<ymax>299</ymax>
</bndbox>
</object>
<object>
<name>chair</name>
<pose>Unspecified</pose>
<truncated>1</truncated>
<difficult>1</difficult>
<bndbox>
<xmin>277</xmin>
<ymin>186</ymin>
<xmax>312</xmax>
<ymax>220</ymax>
</bndbox>
</object>
</annotation>- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
Imagesets
VOC2007/ImageSets/Main/文件夾包含txt文件，這些文件指定哪些是圖片用於哪一個類的訓練還是驗證，其中1表示正例，-1表示反例。
PS：暫且不知道爲什麼還有有一個trainval這樣的文件，表示訓練集和驗證集一起的文件。
自定義數據集轉化成VOC格式
解決JPEGSets
首先全部圖片保存到JPEGSets裏面，很簡單。圖片的命名方式採用如VOC一樣。訓練和驗證數據混放一起。
解決Annotation文件
使用標註軟件對數據手動標註，軟件會自動生成圖片信息的xml文件。
軟件的下載鏈接
密碼：ayyy
軟件簡單介紹
我下載的是win版本，懶人，不想重新編譯源代碼。
1. 導入圖片
2. 點擊左側的create Rect 創建標註框
3. 可以創建新的Label
4. 最後點擊verifyImage進行確認，導出XML文件
<annotation verified="yes">
<folder>Desktop</folder>
<filename>20161009190557135.jpeg</filename>
<path>C:/Users/Administrator/Desktop/20161009190557135.jpeg</path>
<source>
<database>Unknown</database>
</source>
<size>
<width>500</width>
<height>332</height>
<depth>3</depth>
</size>
<segmented>0</segmented>
<object>
<name>person</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>199</xmin>
<ymin>51</ymin>
<xmax>287</xmax>
<ymax>202</ymax>
</bndbox>
</object>
<object>
<name>horse</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>94</xmin>
<ymin>100</ymin>
<xmax>350</xmax>
<ymax>321</ymax>
</bndbox>
</object>
<object>
<name>person</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>1</difficult>
<bndbox>
<xmin>377</xmin>
<ymin>156</ymin>
<xmax>417</xmax>
<ymax>206</ymax>
</bndbox>
</object>
<object>
<name>person</name>
<pose>Unspecified</pose>
<truncated>0</truncated>
<difficult>1</difficult>
<bndbox>
<xmin>64</xmin>
<ymin>108</ymin>
<xmax>109</xmax>
<ymax>172</ymax>
</bndbox>
</object>
</annotation>
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
解決Imagesets裏的文件
先抄別人一份代碼，然後自己修改
import os
import random
trainval_percent = 0.66
train_percent = 0.5
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)
num=len(total_xml)
list=range(num)
tv=int(num*trainval_percent)
tr=int(tv*train_percent)
trainval= random.sample(list,tv)
train=random.sample(trainval,tr)
ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')
for i in list:
name=total_xml[i][:-4]+'\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftrain.write(name)
else:
fval.write(name)
else:
ftest.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest .close()- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36