用深度學習做物體檢測的都離不開資料集，本文教你如何製作自己的資料集，格式為Pascalvoc。整個流程如下。

使用方法非常簡單，網上各種教程。

2.建立Pascalvoc目錄結構，在指定目錄下建立Annatations、ImageSets、JPEGImages三個資料夾即可。在ImageSets目錄下建立Main資料夾。目錄結構如下：

./

Annatations

ImageSets

    Main

JPEGImages

3.由於Pascalvoc影象命名格式為000001.jpg，因此你需要把你的影象也按照這種排序規則命名。這裡提供一份python程式：

# -*- coding:utf8 -*-  
import os  
import sys  
class BatchRename():  
    ''''' 
    批量重新命名資料夾中的圖片檔案 
    '''  
    def __init__(self):  
        #給定目標目錄  
        self.path = './JPEGImages'  
  
    def rename(self):  
        filelist = os.listdir(self.path)  
        total_num = len(filelist)  
        i = 1  
        n = 6  
        for item in filelist:  
            if item.endswith('.jpg'):  
                n = 6 - len(str(i))  
                src = os.path.join(os.path.abspath(self.path), item)  
                dst = os.path.join(os.path.abspath(self.path), str(0)*n + str(i) + '.jpg')  
                try:  
                    os.rename(src, dst)  
                    #print （'converting %s to %s ...' % (src, dst)  ）
                    i = i + 1             
                except:  
                    continue  
if __name__ == '__main__':  
    demo = BatchRename()  
    demo.rename() 
 

4.用Label-Image工具依次對./JPEGImages資料夾中的所有影象進行標註，每一張影象都會生成對應的xxx.xml檔案，將所有的xml檔案放在Annatations目錄裡。下面是標註的例子：

5.最後劃分訓練樣本，測試樣本，驗證樣本。

Matlab版程式碼如下：

%%
%該程式碼根據已生成的xml，製作VOC2007資料集中的trainval.txt;train.txt;test.txt和val.txt
%trainval佔總資料集的50%，test佔總資料集的50%；train佔trainval的50%，val佔trainval的50%；
%上面所佔百分比可根據自己的資料集修改，如果資料集比較少，test和val可少一些
%%
%注意修改下面四個值
xmlfilepath='Annotations';
txtsavepath='ImageSets\Main\\';
trainval_percent=0.6;%trainval佔整個資料集的百分比，剩下部分就是test所佔百分比
train_percent=0.6;%train佔trainval的百分比，剩下部分就是val所佔百分比

xmlfile=dir(xmlfilepath);
numOfxml=length(xmlfile)-2;

trainval=sort(randperm(numOfxml,floor(numOfxml*trainval_percent)));
test=sort(setdiff(1:numOfxml,trainval));

trainvalsize=length(trainval);%trainval的大小
train=sort(trainval(randperm(trainvalsize,floor(trainvalsize*train_percent))));
val=sort(setdiff(trainval,train));


ftrainval=fopen([txtsavepath 'trainval.txt'],'w');
ftest=fopen([txtsavepath 'test.txt'],'w');
ftrain=fopen([txtsavepath 'train.txt'],'w');
fval=fopen([txtsavepath 'val.txt'],'w');


for i=1:numOfxml
    if ismember(i,trainval)
        fprintf(ftrainval,'%s\n',xmlfile(i+2).name(1:end-4));
        if ismember(i,train)
            fprintf(ftrain,'%s\n',xmlfile(i+2).name(1:end-4));
        else
            fprintf(fval,'%s\n',xmlfile(i+2).name(1:end-4));
        end
    else
        fprintf(ftest,'%s\n',xmlfile(i+2).name(1:end-4));
    end
end
fclose(ftrainval);
fclose(ftrain);
fclose(fval);
fclose(ftest);
 

Python版程式碼如下：

# -*- coding:utf8 -*-  
import os  
import random  
trainval_percent = 0.66  
train_percent = 0.5  
xmlfilepath = 'Annatations'  
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()  
 

下一篇將會介紹如何用Tensorflow-SSD演算法訓練自己製作的Pascalvoc資料集。