从已有VOC2007数据集生成yolov3所需要的数据集，以及正式开始调试程序需要修改的地方

一. 关于VOC2007数据集我们需要知道的事

1.1 下载地址

Pascal VOC Dataset Mirror

（1）目前对于新手来说，先不要犹豫那么多，无脑下载下面的红框链接，很明显，根据名字分析得是训练数据集

（2）下载之后打开文件夹：注意红框标注出来的路径

注意，我们现在的目标是做目标检测，其他的分割啥的先不要理会，会耽误时间，这样我们看到有segmentation字眼的都排除掉。

（3）解析目标检测所需文件作用

Annotations：存放xml文件，内部有图片的标注信息

ImageSets：内部根据不同的图像任务，分成了不同的文件，文件内部存放图片名的txt文件。

 在yolov3里面具体layout和main选哪个还不知道

你多任你多，反正yolov3都需要自己生成

JPEGImages：存放图片

1.2.  yolov3肯定有自己的需要的txt文件格式，所以我们还需要转换成yolov3所需要的格式

yolov3 需要什么txt文件，参考1.2.2节，实际详细操作步骤参考1.2.3节

代码：https://github.com/PositiveTom/yolov3.git

1.2.1 网上一个人生成的数据集格式大致是以下形式：还不知道这样的合理性

（1）以原始数据集为基础，生成trainval和test，trainval占原始数据的0.9，test占0.1

（2）以trainval为基础，生成train和val，train占trainval的0.9，val占0.1

（3）打开train.txt，制作2007_train.txt

train.txt存放图片数据的名称，2007_train.txt存放图片的路径，以及ground truth以及类别

（4）打开val.txt，制作2007_val.txt

存放数据同上

note：ground truth的制作需要从xml文件里面提取。

1.2.2 上述只是非官方做法，还是以官方做法为准，如下所示

 （1）需要一个.data文件，内部存放如下：类别数目，train.txt路径，val.txt路径，类别.names文件路径

（2）train.txt文件内部内容如下所示：简单说就是存放图片路径

（3）val.txt文件内部内容同上

（4）.names文件内部内容

 

（5）内部直接获取.data文件，就可以依次获取其他的文件

（6）推荐看完1.2.3 生成所需要的文件后再来看这里，在1.2.3 之后，我们还需要创建（1）中提到的.data文件和.names文件

直接改名

 再创建.data文件，注意各文件的路径

 1.2.3. 更加详细的步骤：（抓输入和输出）主要就是如何由VOC2007的xml文件夹和图片数据文件夹，生成yolov3所需要的一些txt文件

你在官方文件的基础之上，新添了一个生成label集合的文件StatisCatogories.py

输入：xml文件夹路径

输出：包含类别名的txt文件

（1）运行data/makeTxt.py，生成ImageSets目录下的train.txt，val.txt，test.txt

内部存储图片名称：（xml和图片名相同，除了后缀不同）

输入：xml文件夹

输出：ImageSets目录下的train.txt，val.txt，test.txt

（2）运行voc_label.py，由（1）中的train.txt找到指定的图片，生成当前路径下的train.txt，val.txt，test.txt，内部存储格式如下：

输入：ImageSets目录下的train.txt，val.txt，test.txt

           图像数据集的路径

输出：txt文件夹下的图片lable

           当前路径下的train.txt，val.txt，test.txt

以及还要生成txt文件夹下面的label，图片名.txt，如下所示

关于label的含义，依次是类别 + x占比，y占比，宽占比，高占比

 综上所述，我们只需要原数据集下的train，val，test即可，重点在于后面的label

1.3 在完成上述步骤后，源码需要更改的地方

 （1）获取了train.txt文件的路径之后，创建一个继承自Dataset的类

（2）把这个类传给torch.utils.data.DataLoader实例化对象，即可

（1）、（2）步可以归结为以下步骤（将数据加载到模型）

 （3）官方的dataset内部还需要指定图片的含label的.txt

修改dataset.py内部LoadImagesAndLabels类的self.label_files获取路径方式

（4）在加载测试数据集时，还要注意.shapes文件 

这个.shapes文件是用来做什么的呢？

根据代码注释，存放的是图片的宽和高，为什么验证集需要使用，而训练集不需要呢？

所以在这里还得自己写一个文件，保存验证集数据图片的宽和高

已经上传github，data文件夹下的Getshape.py文件

输入：val.txt

输出：val.shapes

（5）我要大改，全部改成用绝对路径，相对路径真的恶心

其实也没改多少，在上面的基础之上只做了以下改动

根本目标：把train.txt，和val.txt改成绝对路径

 为此要做的事：就做了两件事

1）voc_label.py改了一个地方

 2）dataset.py改了一个地方，获取label的地方

忙活了一上午，才把数据获取搞清楚。。。。

---

三. 修改.cfg文件

修改里面的classes数量，你的数据集有多少类，这里就改成多少类

你在更改classes的时候，一定要更改紧接着上一层的卷积核个数，因为原来的80类组成了   

255 = 3 x （80+4+1）

现在是   75 = 3 x （20+4+1）