使用cascade r-cnn模型自动标注目标检测任务数据集

首先你要根据之前的博文训练cascade r-cnn模型

博文地址：

https://blog.csdn.net/qq_35153620/article/details/94718986

训练的数据根据你实际需要设定，

例如 ：1. 你可以部分标记你的数据集，然后训练部分标记好的数据，在自动标注你未标注的数据，以节省标注时间

            2. 你可以使用检测任务相同或类似的已标注数据集，例如你的数据也是车，飞机，人等，

                 你可以使用voc数据集或者coco数据集训练模型，再进行自动标注

自动标注代码：

# -*- coding:utf-8 -*-
"""
File: AutoLabel.py
"""
from __future__ import absolute_import
from __future__ import print_function
from __future__ import division

import os, sys
import tensorflow as tf
import time
import cv2
import argparse
import numpy as np
sys.path.append("../")

import libs.label_name_dict.label_dict as label_dict
from data.io.image_preprocess import short_side_resize_for_inference_data
from libs.configs import cfgs
from libs.networks import build_whole_network
from libs.box_utils import draw_box_in_img
from help_utils import tools
import xml.etree.ElementTree as ET


"""
创建标注信息xml文件
"""
def _CreateObjectAnnotation(anno_path, filepath, annos, cls, s, H, W):  # 我的修改 #
    #创建根节点
    root = ET.Element('annotation')
    #写入尺寸，通道数信息
    size = ET.Element('size')
    height = ET.SubElement(size, 'height')
    height.text = str(s[0])
    width = ET.SubElement(size, 'width')
    width.text = str(s[1])
    depth = ET.SubElement(size, 'depth')
    depth.text = '3'
    root.append(size)
    #写入文件名信息
    filename = ET.Element('filename')
    filename.text = filepath[:-4] + '.jpg'
    root.append(filename)
    #写入图片中所有标注框信息
    for i, annotation in enumerate(annos):
        _CreateElement(root, annotation, cls[i], H, W)      
    tree = ET.ElementT