将自己手动标注的数据集(PascalVOC格式)转化为.TFRecord格式

最新推荐文章于 2024-08-09 19:41:01 发布

I-am-Unique

最新推荐文章于 2024-08-09 19:41:01 发布

阅读量3.8k

点赞数 3

文章标签： Tensorflow TFRecord

本文链接：https://blog.csdn.net/m0_38087936/article/details/81380691

版权

本文档介绍了如何将个人手动标注的PascalVOC格式数据集转换为Tensorflow的.TFRecord格式，以便于使用Tensorflow Object Detection API进行训练。文中提供了一个详细的步骤指南，并推荐了相关博文作为参考。

摘要由CSDN通过智能技术生成

“ 一个人如果不能学会遗忘，那将是很痛苦的事，别再自寻烦恼，快把痛苦的事给忘了吧！”

为了能够使用Object Detection API~

需要将数据集格式转化为.TFRecord再进行训练~

至于，

如何使用Tensorflow官方的Object Detection API

包括下载、依赖（protobuf等）安装、跑demo、训练自己的数据过程~

2.https://blog.csdn.net/rookie_wei/article/details/81210499

3.https://blog.csdn.net/rookie_wei/article/details/81275663

整个过程比较详细，可以参考~

本篇主要介绍如何将已标注好的数据集转化成Tensorflow通用的.TFRecord格式~

注意：本程序是我自己检测的6类object，根据情况修改！

#-*- coding=utf-8 -*-
# File Name: Create_TFRecord.py
# Author: HZ
# Created Time: 2018-06-06 
import os
import sys
import random
 
import numpy as np
import tensorflow as tf
 
import xml.etree.ElementTree as ET #操作xml文件
 
#我的标签定义有6类，根据自己的图片而定
VOC_LABELS = {
    'none': (0, 'Background'),
    'person': (1, 'Person'),
    'car': (2, 'Car'),
    'bus': (3, 'Bus'),
    'truck': (4, 'Truck'),
    'cyclist': (5, 'cyclist')
}
 
# 图片和标签存放的文件夹.
DIRECTORY_ANNOTATIONS = 'Annotations/'
DIRECTORY_IMAGES = 'JPEGImages/'
 
# 随机种子.
RANDOM_SEED = 4242  
 
#生成整数型，浮点型和字符串型的属性
def int64_feature(value):
    
    if not isinstance(value, list):
        value = [value]
    return tf.train.Feature(int64_list=tf.train.Int64List(value=value))
 
def float_feature(value):
    
    if n