參考

步驟

1 標記資料集

與VOC資料集不同，mxnet需要的標記資料為圖片左上角及右下角，記作：xmin,ymin,xmax,ymax$x_{min},y_{min},x_{max},y_{max}$。將四個座標資料以百分比表示，便於影象改變大小時保持標記框的位置正確。即記作：xmin=xmin/width,ymin=ymin/height,xmax=xmax/width,ymax=ymax/height$x_{min}=x_{min}/width,y_{min}=y_{min}/height,x_{max}=x_{max}/width,y_{max}=y_{max}/height$。

2 生成lst檔案

lst檔案的格式如下：

idx  4  5   size size class xmin  ymin xmax ymax class xmin ymin xmax ymax img.jpg
 

舉例如下：

    100 4   5   256 256 0   0.89751 0.092896    0.989464    0.174863    0   0.70977 0.528962    0.778736    0.601093aircraft_4.jpg

說明：

• size為訓練需要的影象大小，不是原圖的大小
• 第二位和第三位一般固定為4和5，原因可看參考網頁的說明
• 一張圖片用一行資料標記，可標記多個目標

3 生成rec和idx檔案

python im2rec.py --pack-label  path_of_lst  path_of_pic --resize 256

說明：

• lst檔案路徑和圖片路徑需要自己替換
• 圖片大小可以根據引數設定，一般高和寬大小相同