faster rcnn源码解读（四）之数据类型imdb.py和pascal_voc.py（主要是imdb和roidb数据类型的解说）

转载自：faster rcnn源码解读（四）之数据类型imdb.py和pascal_voc.py（主要是imdb和roidb数据类型的解说） - 野孩子的专栏 - 博客频道 - CSDN.NET

http://blog.csdn.net/u010668907/article/details/51945719

faster用python版本的https://github.com/rbgirshick/py-faster-rcnn

imdb.py源码地址：https://github.com/rbgirshick/py-faster-rcnn/blob/master/lib/datasets/imdb.py

imdb源码：

[python]  view plain  copy

 print ?

1. # --------------------------------------------------------  
2. # Fast R-CNN  
3. # Copyright (c) 2015 Microsoft  
4. # Licensed under The MIT License [see LICENSE for details]  
5. # Written by Ross Girshick  
6. # --------------------------------------------------------  
7.   
8. import os  
9. import os.path as osp  
10. import PIL  
11. from utils.cython_bbox import bbox_overlaps  
12. import numpy as np  
13. import scipy.sparse  
14. from fast_rcnn.config import cfg  
15.   
16. class imdb(object):  
17.     """Image database."""  
18.   
19.     def __init__(self, name):  
20.         self._name = name  
21.         self._num_classes = 0#<span style="font-family: Arial, Helvetica, sans-serif;">类别的长度</span>  
22.         self._classes = []#<span style="font-family: Arial, Helvetica, sans-serif;">类别定义</span>  
23.         self._image_index = []#<span style="font-family: Arial, Helvetica, sans-serif;">a list of image name（read from eg：</span><span style="font-family: Arial, Helvetica, sans-serif;">root/data + /VOCdevkit2007/VOC2007/ImageSets/Main/{image_set}.txt）</span><span style="font-family: Arial, Helvetica, sans-serif;">  
24. </span>        self._obj_proposer = 'selective_search'  
25.         self._roidb = None#gt_roidb（cfg.TRAIN.PROPOSAL_METHOD=gt导致了此操作）  
26.         self._roidb_handler = self.default_roidb  
27.         # Use this dict for storing dataset specific config options  
28.         self.config = {}  
29.  
30.     @property  
31.     def name(self):  
32.         return self._name  
33.  
34.     @property  
35.     def num_classes(self):  
36.         return len(self._classes)  
37.  
38.     @property  
39.     def classes(self):  
40.         return self._classes  
41.  
42.     @property  
43.     def image_index(self):  
44.         return self._image_index  
45.  
46.     @property  
47.     def roidb_handler(self):  
48.         return self._roidb_handler  
49.  
50.     @roidb_handler.setter  
51.     def roidb_handler(self, val):  
52.         self._roidb_handler = val  
53.   
54.     def set_proposal_method(self, method):  
55.         method = eval('self.' + method + '_roidb')  
56.         self.roidb_handler = method  
57.  
58.     @property  
59.     def roidb(self):  
60.         # A roidb is a list of dictionaries, each with the following keys:  
61.         #   boxes  
62.         #   gt_overlaps  
63.         #   gt_classes  
64.         #   flipped  
65.         if self._roidb is not None:  
66.             return self._roidb  
67.         self._roidb = self.roidb_handler()  
68.         return self._roidb  
69.  
70.     @property  
71.     def cache_path(self):  
72.         cache_path = osp.abspath(osp.join(cfg.DATA_DIR, 'cache'))  
73.         if not os.path.exists(cache_path):  
74.             os.makedirs(cache_path)  
75.         return cache_path  
76.  
77.     @property  
78.     def num_images(self):  
79.       return len(self.image_index)  
80.   
81.     def image_path_at(self, i):  
82.         raise NotImplementedError  
83.   
84.     def default_roidb(self):  
85.         raise NotImplementedError  
86.   
87.     def evaluate_detections(self, all_boxes, output_dir=None):  
88.         """ 
89.         all_boxes is a list of length number-of-classes. 
90.         Each list element is a list of length number-of-images. 
91.         Each of those list elements is either an empty list [] 
92.         or a numpy array of detection. 
93.  
94.         all_boxes[class][image] = [] or np.array of shape #dets x 5 
95.         """  
96.         raise NotImplementedError  
97.   
98.     def _get_widths(self):  
99.       return [PIL.Image.open(self.image_path_at(i)).size[0]  
100.               for i in xrange(self.num_images)]  
101.   
102.     def append_flipped_images(self):  
103.         num_images = self.num_images  
104.         widths = self._get_widths()  
105.         for i in xrange(num_images):  
106.             boxes = self.roidb[i]['boxes'].copy()  
107.             oldx1 = boxes[:, 0].copy()  
108.             oldx2 = boxes[:, 2].copy()  
109.             boxes[:, 0] = widths[i] - oldx2 - 1  
110.             boxes[:, 2] = widths[i] - oldx1 - 1  
111.             assert (boxes[:, 2] >= boxes[:, 0]).all()  
112.             entry = {'boxes' : boxes,  
113.                      'gt_overlaps' : self.roidb[i]['gt_overlaps'],  
114.                      'gt_classes' : self.roidb[i]['gt_classes'],  
115.                      'flipped' : True}  
116.             self.roidb.append(entry)  
117.         self._image_index = self._image_index * 2  
118.   
119.     def evaluate_recall(self, candidate_boxes=None, thresholds=None,  
120.                         area='all', limit=None):  
121.         """Evaluate detection proposal recall metrics. 
122.  
123.         Returns: 
124.             results: dictionary of results with keys 
125.                 'ar': average recall 
126.                 'recalls': vector recalls at each IoU overlap threshold 
127.                 'thresholds': vector of IoU overlap thresholds 
128.                 'gt_overlaps': vector of all ground-truth overlaps 
129.         """  
130.         # Record max overlap value for each gt box  
131.         # Return vector of overlap values  
132.         areas = { 'all': 0, 'small': 1, 'medium': 2, 'large': 3,  
133.                   '96-128': 4, '128-256': 5, '256-512': 6, '512-inf': 7}  
134.         area_ranges = [ [0**2, 1e5**2],    # all  
135.                         [0**2, 32**2],     # small  
136.                         [32**2, 96**2],    # medium  
137.                         [96**2, 1e5**2],   # large  
138.                         [96**2, 128**2],   # 96-128  
139.                         [128**2, 256**2],  # 128-256  
140.                         [256**2, 512**2],  # 256-512  
141.                         [512**2, 1e5**2],  # 512-inf  
142.                       ]  
143.         assert areas.has_key(area), 'unknown area range: {}'.format(area)  
144.         area_range = area_ranges[areas[area]]  
145.         gt_overlaps = np.zeros(0)  
146.         num_pos = 0  
147.         for i in xrange(self.num_images):  
148.             # Checking for max_overlaps == 1 avoids including crowd annotations  
149.             # (...pretty hacking :/)  
150.             max_gt_overlaps = self.roidb[i]['gt_overlaps'].toarray().max(axis=1)  
151.             gt_inds = np.where((self.roidb[i]['gt_classes'] > 0) &  
152.                                (max_gt_overlaps == 1))[0]  
153.             gt_boxes = self.roidb[i]['boxes'][gt_inds, :]  
154.             gt_areas = self.roidb[i]['seg_areas'][gt_inds]  
155.             valid_gt_inds = np.where((gt_areas >= area_range[0]) &  
156.                                      (gt_areas <= area_range[1]))[0]  
157.             gt_boxes = gt_boxes[valid_gt_inds, :]  
158.             num_pos += len(valid_gt_inds)  
159.   
160.             if candidate_boxes is None:  
161.                 # If candidate_boxes is not supplied, the default is to use the  
162.                 # non-ground-truth boxes from this roidb  
163.                 non_gt_inds = np.where(self.roidb[i]['gt_classes'] == 0)[0]  
164.                 boxes = self.roidb[i]['boxes'][non_gt_inds, :]  
165.             else:  
166.                 boxes = candidate_boxes[i]  
167.             if boxes.shape[0] == 0:  
168.                 continue  
169.             if limit is not None and boxes.shape[0] > limit:  
170.                 boxes = boxes[:limit, :]  
171.   
172.             overlaps = bbox_overlaps(boxes.astype(np.float),  
173.                                      gt_boxes.astype(np.float))  
174.   
175.             _gt_overlaps = np.zeros((gt_boxes.shape[0]))  
176.             for j in xrange(gt_boxes.shape[0]):  
177.                 # find which proposal box maximally covers each gt box  
178.                 argmax_overlaps = overlaps.argmax(axis=0)  
179.                 # and get the iou amount of coverage for each gt box  
180.                 max_overlaps = overlaps.max(axis=0)  
181.                 # find which gt box is 'best' covered (i.e. 'best' = most iou)  
182.                 gt_ind = max_overlaps.argmax()  
183.                 gt_ovr = max_overlaps.max()  
184.                 assert(gt_ovr >= 0)  
185.                 # find the proposal box that covers the best covered gt box  
186.                 box_ind = argmax_overlaps[gt_ind]  
187.                 # record the iou coverage of this gt box  
188.                 _gt_overlaps[j] = overlaps[box_ind, gt_ind]  
189.                 assert(_gt_overlaps[j] == gt_ovr)  
190.                 # mark the proposal box and the gt box as used  
191.                 overlaps[box_ind, :] = -1  
192.                 overlaps[:, gt_ind] = -1  
193.             # append recorded iou coverage level  
194.             gt_overlaps = np.hstack((gt_overlaps, _gt_overlaps))  
195.   
196.         gt_overlaps = np.sort(gt_overlaps)  
197.         if thresholds is None:  
198.             step = 0.05  
199.             thresholds = np.arange(0.5, 0.95 + 1e-5, step)  
200.         recalls = np.zeros_like(thresholds)  
201.         # compute recall for each iou threshold  
202.         for i, t in enumerate(thresholds):  
203.             recalls[i] = (gt_overlaps >= t).sum() / float(num_pos)  
204.         # ar = 2 * np.trapz(recalls, thresholds)  
205.         ar = recalls.mean()  
206.         return {'ar': ar, 'recalls': recalls, 'thresholds': thresholds,  
207.                 'gt_overlaps': gt_overlaps}  
208.   
209.     def create_roidb_from_box_list(self, box_list, gt_roidb):  
210.         assert len(box_list) == self.num_images, \  
211.                 'Number of boxes must match number of ground-truth images'  
212.         roidb = []  
213.         for i in xrange(self.num_images):  
214.             boxes = box_list[i]  
215.             num_boxes = boxes.shape[0]  
216.             overlaps = np.zeros((num_boxes, self.num_classes), dtype=np.float32)  
217.   
218.             if gt_roidb is not None and gt_roidb[i]['boxes'].size > 0:  
219.                 gt_boxes = gt_roidb[i]['boxes']  
220.                 gt_classes = gt_roidb[i]['gt_classes']  
221.                 gt_overlaps = bbox_overlaps(boxes.astype(np.float),  
222.                                             gt_boxes.astype(np.float))  
223.                 argmaxes = gt_overlaps.argmax(axis=1)  
224.                 maxes = gt_overlaps.max(axis=1)  
225.                 I = np.where(maxes > 0)[0]  
226.                 overlaps[I, gt_classes[argmaxes[I]]] = maxes[I]  
227.   
228.             overlaps = scipy.sparse.csr_matrix(overlaps)  
229.             roidb.append({  
230.                 'boxes' : boxes,  
231.                 'gt_classes' : np.zeros((num_boxes,), dtype=np.int32),  
232.                 'gt_overlaps' : overlaps,  
233.                 'flipped' : False,  
234.                 'seg_areas' : np.zeros((num_boxes,), dtype=np.float32),  
235.             })  
236.         return roidb  
237.  
238.     @staticmethod  
239.     def merge_roidbs(a, b):  
240.         assert len(a) == len(b)  
241.         for i in xrange(len(a)):  
242.             a[i]['boxes'] = np.vstack((a[i]['boxes'], b[i]['boxes']))  
243.             a[i]['gt_classes'] = np.hstack((a[i]['gt_classes'],  
244.                                             b[i]['gt_classes']))  
245.             a[i]['gt_overlaps'] = scipy.sparse.vstack([a[i]['gt_overlaps'],  
246.                                                        b[i]['gt_overlaps']])  
247.             a[i]['seg_areas'] = np.hstack((a[i]['seg_areas'],  
248.                                            b[i]['seg_areas']))  
249.         return a  
250.   
251.     def competition_mode(self, on):  
252.         """Turn competition mode on or off."""  
253.         pass  

get_imdb->factory->pascal_voc->(继承)imdb

factory

  year = ['2007', '2012']

  split = ['train', 'val', 'trainval', 'test']

 

imdb

  image_set: split

  devkit_path: config.DATA_DIR(root/data/) + VOCdevkit + year

  data_path: devkit_path + '/' + 'VOC' + year

  image_index: a list read image name from

      例如，root/data + /VOCdevkit2007/VOC2007/ImageSets/Main/{image_set}.txt

  roidb: gt_roidb得到（cfg.TRAIN.PROPOSAL_METHOD=gt导致了此操作）

  classes： 类别定义

  num_classes： 类别的长度

  class_to_ind：{类别名：类别索引}字典

  num_images（）: image_index'length，数据库中图片个数

  image_path_at（index）： 得到第index图片的地址，data_path + '/' + 'JPEGImages' + image_index[index] + image_ext(.jpg)

 

  在train_faster_rcnn_alt_opt.py的imdb.set_proposal_method之后一旦用imdb.roidb都会用gt_roidb读取xml中的内容中得到部分信息

xml的地址：data_path + '/' + 'Annotations' + '/' + index + '.xml'

          (root/data/) + VOCdevkit + year  + '/' + 'VOC' + year + '/' + 'Annotations' + '/' + index + '.xml'

get_training_roidb： 对得到的roi做是否反转（参见roidb的flipped，为了扩充数据库）和到roidb.py的prepare_roidb中计算得到roidb的其他数据

 

一张图有一个roidb，每个roidb是一个字典

roidb:

  boxes: four rows.the proposal.left-up,right-down

  gt_overlaps: len（box）*类别数（即，每个box对应的类别。初始化时，从xml读出来的类别对应类别值是1.0，被压缩保存）

  gt_classes: 每个box的类别索引

  flipped: true,代表图片被水平反转，改变了boxes里第一、三列的值（所有原图都这样的操作，imdb.image_index*2）(cfg.TRAIN.USE_FLIPPED会导致此操作的发生，见train.py 116行)

  seg_areas： box的面积

  （下面的值在roidb.py的prepare_roidb中得到）

  image：image_path_at（index），此roi的图片地址

  width：此图片的宽

  height： 高

  max_classes: box的类别=labels（gt_overlaps行最大值索引）

  max_overlaps: （gt_overlaps行最大值）（max_overlaps=0，max_classes=0，即都是背景，否则不正确）  

output_dir： ROOT_DIR + 'output' + EXP_DIR('faster_rcnn_alt_opt') + imdb.name("voc_2007_trainval" or "voc_2007_test")