深度学习物体检测实战算法3——检测数据集处理

检测数据集介绍

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

商品检测数据集处理

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

from xml.etree import ElementTree as ET
import os
import numpy as np
import pickle

class XmlProcess(object):
    def __init__(self,file_path):
        self.xml_path = file_path
        self.num_classes = 8
        self.data = {}

    def process_xml(self):
        """
        处理图片的标注信息,解析图片大小,图片中所有物体位置,类别
        存入序列化的pkl文件
        :return:
        """

        #1.找到路径对应的图片
        for filename in os.listdir(self.xml_path):
            et = ET.parse(self.xml_path+filename)
            root = et.getroot()
            #print(root)
            #获取图片基础属性
            #获取size
            size = root.find('size')
            width = float(size.find('width').text)
            height =float(size.find('height').text)
            depth = float(size.find('depth').text)
            print(width,height,depth)
            #2.对于每张图片,解析其中的多个物体
            bounding_boxes = []
            one_hots = []
            for object_tree in root.findall('object'):
                for res in object_tree.iter('bndbox'):
                    #xmin,ymin,xmax,ymax---->标准化的结果去保存值
                    xmin = float(res.find('xmin').text) / width
                    ymin = float(res.find('ymin').text) / height
                    xmax = float(res.find('xmax').text) / width
                    ymax = float(res.find('ymax').text) / height
                    #print(xmin,ymin,xmax,ymax)
                bounding_boxes.append([xmin,ymin,xmax,ymax])
                #每个object都会有一个名称,目标值保存成one_hot编码
                object_name = object_tree.find('name').text
                object_onehot = self.one_hot(object_name)
                one_hots.append(object_onehot)
                #print(bounding_boxes,one_hots)
            #进行物体位置和目标值的one_hot编码进行拼接
            bounding_boxes = np.asarray(bounding_boxes)
            one_hots = np.asarray(one_hots)
            image_data = np.hstack((bounding_boxes,one_hots))
            print(image_data)
            self.data[filename] = image_data
        return None
    def one_hot(self,name):
        one_hot_vector = [0]*self.num_classes
        if name == 'clothes':
            one_hot_vector[0] = 1
        elif name == 'pants':
            one_hot_vector[1] = 1
        elif name == 'shoes':
            one_hot_vector[2] = 1
        elif name == 'watch':
            one_hot_vector[3] = 1
        elif name == 'phone':
            one_hot_vector[4] = 1
        elif name == 'audio':
            one_hot_vector[5] = 1
        elif name == 'computer':
            one_hot_vector[6] = 1
        elif name == 'books':
            one_hot_vector[7] = 1
        else:
            print('unknown label:%s' % name)
        return one_hot_vector



if __name__=='__name':
    xp=XmlProcess()
    xp.process_xml()
    print(xp.data)
    pickle.dump(xp.data,open(".pkl",'wb'))




  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值