將資料集製作成VOC資料集格式的例項
阿新 • • 發佈:2020-02-18
在做目標檢測任務時,若使用Github已復現的論文時,需首先將自己的資料集轉化為VOC資料集的格式,因為論文作者使用的是公開資料集VOC 2007、VOC2012、COCO等型別資料集做方法驗證與比對。
一、VOC資料集格式
--VOCdevkit2007
--VOC2007
--Annotations (xml格式的檔案)
--000001.xml
--ImageSets
--Layout
--Main
--train.txt
--test.txt
--val.txt
--trainval.txt
--Segmentation
--JPEGImages (訓練集和測試集圖片)
--000001.jpg
--results
二、轉換過程步驟
1. 使用標註工具標註圖片目標檢測框,生成JSON格式的標註檔案(本人使用此生成型別的標註工具,也可使用(LabelImg等標註工具);
2. 批量修改圖片和標註檔名稱,從000001.jpg、000001.json標號開始;
#coding='utf-8' import os import numpy as np def imgs_rename(imgs_path): imgs_labels_name = np.array(os.listdir(imgs_path)).reshape(-1,2) # 從 000001開始 i = 1 for img_label_name in imgs_labels_name: if img_label_name[0].endswith('.jpg'): # 修改圖片名稱 img_old_name = os.path.join(os.path.abspath(imgs_path),img_label_name[0]) # 類別+圖片編號 format(str(i),'0>3s') 填充對齊 img_new_name = os.path.join(os.path.abspath(imgs_path),'00' + format(str(i),'0>4s') + '.jpg') os.rename(img_old_name,img_new_name) # 修改json檔名稱 label_old_name = os.path.join(os.path.abspath(imgs_path),img_label_name[1]) label_new_name = os.path.join(os.path.abspath(imgs_path),'0>4s') + '.json') os.rename(label_old_name,label_new_name) i = i + 1 if __name__=='__main__': # 讀取json檔案的路徑 root = "read_file_path" imgs_rename(root)
3. 提取圖片和標註檔案到不同資料夾下,並將讀取的標註框轉化為txt檔案格式(本人的圖片和JSON檔案在同一目錄下生成);
import json import os import numpy as np import cv2 #讀取json格式檔案,返回座標 def read_json(file_name): file = open(file_name,'r',encoding='utf-8') set = json.load(file) # print("讀取完整資訊:",set) coord = set['objects'][0]['seg'] # 只讀取第一個標註的車牌 return coord def save_imgs(imgs_jsons_files,imgs_path): # 提取圖片資料夾中的jpg檔名稱 for idx in range(len(imgs_jsons_list)): if imgs_jsons_list[idx][-3:]=='jpg': img_name = imgs_jsons_list[idx] read_img_path = os.path.join(imgs_jsons_files,img_name) img = cv2.imread(read_img_path) save_img_path = os.path.join(imgs_path,img_name) cv2.imwrite(save_img_path,img) def save_labels(imgs_jsons_files,labels_path): # 提取圖片資料夾中的json檔名稱 for idx in range(len(imgs_jsons_list)): if imgs_jsons_list[idx][-4:] == 'json': json_name = imgs_jsons_list[idx] # 操作每一個json檔案,讀取並儲存座標 json_path = os.path.join(imgs_jsons_files,json_name) json_coord = read_json(json_path) if len(json_coord) > 8: print("標註座標多於四個點的檔名稱:",json_name) # 提取左上和右下座標 roi_coord = [] for idx in range(len(json_coord)): if idx == 0 or idx == 1 or idx == 4 or idx == 5: roi_coord.extend([json_coord[idx]]) # 儲存roi座標到txt檔案中 label_path = labels_path + json_name[:6] + '.txt' np.savetxt(label_path,roi_coord) if __name__=='__main__': print("loading......") # 讀取jpg json檔案的路徑 imgs_jsons_files = "Jpg_json_file_path" # 儲存讀取的真實標籤路徑 labels_path = "save_labels_path" if not os.path.exists(labels_path): os.mkdir(labels_path) # 儲存讀取的圖片 imgs_path = "sabe_imgs_path" if not os.path.exists(imgs_path): os.mkdir(imgs_path) imgs_jsons_list = os.listdir(imgs_jsons_files) save_imgs(imgs_jsons_files,imgs_path) save_labels(imgs_jsons_files,labels_path) print("done!!!")
4. 轉化標註框txt格式為xml格式;
# encoding = utf-8 import os import numpy as np import codecs import cv2 def read_txt(label_path): file = open(label_path,encoding='utf-8') label_lines = file.readlines() label = [] for line in label_lines: one_line = float(line.strip().split('\n')[0]) label.extend([one_line]) return np.array(label,dtype=np.float64) def covert_xml(label,xml_path,img_name,img_path): # 獲得圖片資訊 img = cv2.imread(img_path) height,width,depth = img.shape x_min,y_min,x_max,y_max = label xml = codecs.open(xml_path,'w',encoding='utf-8') xml.write('<annotation>\n') xml.write('\t<folder>' + 'VOC2007' + '</folder>\n') xml.write('\t<filename>' + img_name + '</filename>\n') xml.write('\t<source>\n') xml.write('\t\t<database>The VOC 2007 Database</database>\n') xml.write('\t\t<annotation>Pascal VOC2007</annotation>\n') xml.write('\t\t<image>flickr</image>\n') xml.write('\t\t<flickrid>NULL</flickrid>\n') xml.write('\t</source>\n') xml.write('\t<owner>\n') xml.write('\t\t<flickrid>NULL</flickrid>\n') xml.write('\t\t<name>faster</name>\n') xml.write('\t</owner>\n') xml.write('\t<size>\n') xml.write('\t\t<width>' + str(width) + '</width>\n') xml.write('\t\t<height>' + str(height) + '</height>\n') xml.write('\t\t<depth>' + str(depth) + '</depth>\n') xml.write('\t</size>\n') xml.write('\t\t<segmented>0</segmented>\n') xml.write('\t<object>\n') xml.write('\t\t<name>plate</name>\n') xml.write('\t\t<pose>Unspecified</pose>\n') xml.write('\t\t<truncated>0</truncated>\n') xml.write('\t\t<difficult>0</difficult>\n') xml.write('\t\t<bndbox>\n') xml.write('\t\t\t<xmin>' + str(x_min) + '</xmin>\n') xml.write('\t\t\t<ymin>' + str(y_min) + '</ymin>\n') xml.write('\t\t\t<xmax>' + str(x_max) + '</xmax>\n') xml.write('\t\t\t<ymax>' + str(y_max) + '</ymax>\n') xml.write('\t\t</bndbox>\n') xml.write('\t</object>\n') xml.write('</annotation>') if __name__=='__main__': labels_file_path = "D:/Code_py/VOC2007/labels/" imgs_file_path = "D:/Code_Py/VOC2007/imgs/" xmls_file_path = "D:/Code_py/VOC2007/xmls/" if not os.path.exists(xmls_file_path): os.mkdir(xmls_file_path) labels_name = os.listdir(labels_file_path) for label_name in labels_name: label_path = os.path.join(labels_file_path,label_name) label = read_txt(label_path) xml_name = label_name[:6]+'.xml' xml_path = os.path.join(xmls_file_path,xml_name) img_name = label_name[:6]+'.jpg' img_path = os.path.join(imgs_file_path,img_name) covert_xml(label,img_path)
5. 切分資料集為訓練集、驗證集和測試集,僅儲存圖片的名稱到txt問價下即可;
import os import numpy as np if __name__=='__main__': root = "save_path" train = open(root+"train.txt",encoding='utf-8') train_val = open(root+"trainval.txt",encoding='utf-8') test = open(root+"test.txt",encoding='utf-8') val = open(root+"val.txt",encoding='utf-8') imgs_path = os.path.join(root,"imgs") imgs_name = os.listdir(imgs_path) # 首先切分訓練驗證集和測試集 train_val_img_info = [] for img_name in imgs_name: x = np.random.uniform(0,1) img_info = str(img_name).strip().split('.')[0] # 隨機選取1/2比例的資料為測試集 if x>0.5: train_val_img_info.append(img_info) train_val.writelines(img_info) else: test.writelines(img_info+'\n') # 然後切分訓練驗證集為訓練集和驗證集 for img_name in train_val_img_info: x = np.random.uniform(0,1) if x>0.5: train.writelines(img_name+'\n') else: val.writelines(img_name+'\n')
以上這篇將資料集製作成VOC資料集格式的例項就是小編分享給大家的全部內容了,希望能給大家一個參考,也希望大家多多支援我們。