将wider face数据集的标签修改为MTCNN(Tensorflow版)可用的标签格式

最近在网上看到了一个博主使用MTCNN来进行人脸识别，想要学习一下相关的知识，奈何在P-Net数据集的准备阶段就遭遇了挫折。

原博主博客在此处：MTCNN（Tensorflow）学习记录（生成PNet的人脸数据样本）

wider face的标签格式发生了改变，博主在评论里有提到这一点，比较遗憾的是他没有说明标签发生了怎样的改变。因此我在这里记录一下这个改变，以便将来不用大幅修改数据集分类的代码。

原版数据集标签是这个格式：

0--Parade/0_Parade_marchingband_1_849.jpg 449 330 571 479 

文件的每一行代表一张图片的所有数据根据。空格分隔开来看，第一项是文件的相对路径名，从第二项开始每四项为一个bbox的左上角xy坐标和右下角xy坐标，因此每一行的项数为4*n+1个，构成了一张图片完整的标签。

新版数据集标签则是这个鬼样子：

0--Parade/0_Parade_marchingband_1_849.jpg
1
449 330 122 149 0 0 0 0 0 0

虽然说格式上来看更加便于阅读了，但是他不仅在里面新加了换行，而且每个box还新加了6个维度，这就很气了。现在的标签以图片路径作为开头，直到遇到下一张图片的路径之前每一行都是一个bbox的信息。其次第二行写出了图片包含了多少个bbox，这个数是几下面就有几行bbox信息。再看box的格式，这里的box我用到的信息是前四项，分别表示左上角xy，box的宽度和高度，后面六项包括什么图片质量之类的乱七八糟的信息和我的关系不大，因此不在这里过度展开，有博主专门介绍了其含义，博客链接为：WiderFace数据集用于训练人脸检测模型

最后贴出修改标签的代码。

# 打开在wider face官网上下载的标签，原名叫wider_face_train_bbx_gt.txt
f = open('wider_face_train.txt', 'r')
# 生成新的标签
output = open('new_lable.txt', 'w')
line = f.readline()
while line != '':
    img = ''
    if line[-1] == 'g':
        img += line
        img += ' '
        n = int(f.readline())
        if n != 0:
            while n > 0 :
                box = (f.readline().strip().split(' '))[0:4]
                box[2] = str(int(box[2]) + int(box[0]))
                box[3] = str(int(box[3]) + int(box[1]))
                for b in box:
                    img += b 
                    img += ' '
                n -= 1 
    img += '\n'
    output.write(img)
    line = f.readline().strip()
f.close
output.close
print('Done!')

新的数据集里面有四张图片是没有选框的，在代码里面跑同样会报错，但我的代码会在那种图片下面加一个换行，因此还是很好发现的，将其删除就可以正常使用新的数据集标签了。