YOLO学习笔记-样本加载及编码

上一篇简单记录了一下yolo网络的结构，LOSS定义，train方式这三部分，这一篇主要记录一下样本的加载与编码过程，方便加载自己的样本。

在开始之前先提一下pascal voc数据集的样本格式，首先是比较重要的几个，Annotation，ImageSets和JPEGImages这三个是比较重要的文件夹，里面存放的东西如下：

Annotation：里面放了一堆xml文件，每个xml文件对应着一张同名的jpg文件，xml文件里记录了对应的图片里有什么目标，目标的种类与位置信息。

JPEGImages：里面存放着与Annotation里xml文件同名对应的jpg图片

ImageSets：里面的main文件夹种，有trainval.txt和test.txt两个文本，每一行写着一个样本的名字，以及样本属性（正负样本），依靠样本名字可以去上边两个文件夹中找到对应的jpg和xml。

介绍完样本集格式，源代码中的加载方式就很容易了解，关于样本的处理都放在了pascal_voc.py中，封装了一个类。

该类的功能有两个，1.预处理样本并存储；2.根据需要提取样本供训练使用

一、样本加载及处理

注意在pascal_voc类的构造里，直接调用了self.prepare()，这个函数就是完成对样本的加载与处理，从而使pascal_voc的实例直接变成了一个充满了样本的容器。

直接进入self.prepare()：

    def prepare(self):    
        # gt_labels的结构在下面给出
        gt_labels = self.load_labels()
        # 这里是通过翻转来扩大样本集
        if self.flipped:
            print('Appending horizontally-flipped training examples ...')
            gt_labels_cp = copy.deepcopy(gt_labels)
            for idx in range(len(gt_labels_cp)):
                gt_labels_cp[idx]['flipped'] = True
                gt_labels_cp[idx]['label'] = gt_labels_cp[idx]['label'][:, ::-1, :]
                for i in range(self.cell_size):
                    for j in range(self.cell_size):
                        if gt_labels_cp[idx]['label'][i, j, 0] == 1:
                            gt_labels_cp[idx]['label'][i, j, 1] = self.image_size - 1 - gt_labels_cp[idx]['label'][i, j, 1]
            gt_labels += gt_labels_cp
        np.random.shuffle(gt_labels)
        self.gt_labels = gt_labels
        return gt_labels