基于yolo3的图像半自动打标

前言

这篇文章以yolo3为基础，用yolo3测试没有打标的图片，将结果转换为xml文件，然后在通过人工复查，一半智能一半人工所以叫做半自动。具体实施：先用少量打标样本训练出一个模型，用该模型测试未打标样本，通过人工复查之后将样本合并，这样减少了打标过程。图片样本过多打标确实是很累啊，我当时是有5000张图片需要打标，打标一整天搞了2000张人都麻木了，加入半自动后只需要微调结果框就好，半天就搞完剩余的3000张。

1. 图像样本

首先在根目录下新建semi-auto文件夹，文件夹包括Annotations和JPEGImages，与voc格式一样，方便最终的合并。

JPEGImages文件夹下放需要打标的图片，命名我建议从命名为voc格式的，然后接着已经打过标签的图片名往下继续，也就是说已经打过标的图片如果有8张，那么没打过标的就以000009开始。我当时是以时间命名的，后来出现标签与图片不对应的问题，所有的图片都要重新复查，都是泪。

2. yolo_test.py

2.1 代码

用该代码替换原来的yolo_test.py或则命名为yolo_test1.py。

# -*- coding: utf-8 -*-
import colorsys
import os
from timeit import default_timer as timer
import time

import numpy as np
from keras import backend as K
from keras.models import load_model
from keras.layers import Input
from PIL import Image, ImageFont, ImageDraw

from yolo3.model import yolo_eval, yolo_body, tiny_yolo_body
from yolo3.utils import letterbox_image
from keras.utils import multi_gpu_model

path ='C:/Users/Administrator/Desktop/keras-yolo3-master/semi-auto/JPEGImages/' #待检测图片的位置

# 创建创建一个存储检测结果的dir
result_path = './result'
if not os.path.exists(result_path):
    os.makedirs(result_path)

# result如果之前存放的有文件，全部清除
for i in os.listdir(result_path):
    path_file = os.path.join(result_path,i)  
    if os.path.isfile(path_file):
        os.remove(path_file)

#创建一个记录检测结果的文件
txt_path =result_path + '/result.txt'
file = open(txt_path,'w')  

class YOLO(object):
    _defaults = {
        "model_path": 'model_data/yolov3-8img.h5',
        "anchors_path": 'model_data/yolo_anchors.txt',
        "classes_path": 'model_data/coco_classes.txt',
        "score" : 0.3,
        "iou" : 0.45,
        "model_image_size" : (416, 416),
        "gpu_num" : 1,
    }

    @classmethod
    def get_defaults(cls, n):
        if n in cls._defaults:
            return cls._defaults[n]
        else:
            return "Unrecognized attribute name '" + n + "'"

    def __init__(self, **kwargs):
        self.__dict__.update(self._defaults) # set up default values
        self.__dict__.update(kwargs) # and update with user overrides
        self.class_names = self._get_class()
        self.anchors = self._get_anchors()
        self.sess = K.get_session()
        self.boxes, self.score