关于Brainwash数据集
Brainwash数据集是一个密集人头检测数据集,拍摄的是在一个咖啡馆里出现的人群,然后对这群人进行标注而得到的数据集。包含三个部分,训练集:10769张图像81975个人头,验证集:500张图像3318个人头。测试集:500张图像5007个人头。
对于此数据集,其中brainwash_test.idl、brainwash_train.idl和brainwash_val.idl分别是对应的测试集、训练集和验证集的坐标文本。
通过上图可以发现该数据集以及把人头信息标注的很明显,但是在其中不乏有一些没有人头信息的图片 ,所以在尽心数据集操作时要仔细关注它的影响。
Brainwash人头数据集转VOC格式
对于voc数据集格式,我们可以很清楚的知道里面的逻辑结构,这里我就不详细介绍了,尚未了解的可以参考:VOC数据集格式详解
但是有一点需要注意的是在进行数据集转换的时候图片谨记需要6位的命名方式
下面进行制作Voc数据集
首先,进行图片的提取。因为brainwash数据集已将有文本将图片相关坐标信息保存了,而且划分好训练、测试和验证,但是因为在其中有图片没有人头,这里我没有考虑该负样本对最终模型的影响,分别读取brainwash_test.idl、brainwash_train.idl和brainwash_val.idl三个文档,获得有人头坐标信息的图片名字,保存到列表,然后根据列表中的名字信息,经图片分别提取到指定的文件夹。
import os
from PIL import Image
idl_file_dir = "/home/lf/桌面/brainwash/brainwash_val.idl"
imgFile="/home/lf/桌面/train/train3"
if not os.path.exists(imgFile):
os.mkdir(imgFile)
f1=open(idl_file_dir,'r+')
lines=f1.readlines()
lst1=[]
lst2=[]
lst3=[]
for i in range(len(lines)):
line=lines[i]
line = line.replace(":", ";")
if line.split(";")[1]!="\n":
img_dir=line.split(";")[0]
img_dir=img_dir.replace('"',"")
dirs=img_dir.split("/")[0]
img_name=img_dir.split("/")[1]
if dirs=="brainwash_10_27_2014_images":
lst1.append(img_name)
print(lst1)
elif dirs=="brainwash_11_13_2014_images":
lst2.append(img_name)
else:
lst3.append(img_name)
img_dir1="/home/lf/桌面/brainwash/brainwash_10_27_2014_images"
img_dir2="/home/lf/桌面/brainwash/brainwash_11_13_2014_images"
img_dir3="/home/lf/桌面/brainwash/brainwash_11_24_2014_images"
# print(lst1)
# for i in lst1:
# print(i[:-1])
# im=Image.open("/home/lf/桌面/brainwash/brainwash_10_27_2014_images/{}".format(i))
# im.save(imgFile+"/{}".format(i))
# im.close()
# for i in lst2:
# print(i[:-1])
# im=Image.open("/home/lf/桌面/brainwash/brainwash_11_13_2014_images/{}".format(i))
# im.save(imgFile+"/{}".format(i))
# im.close()
for i in lst3:
print(i[:-1])
im=Image.open("/home/lf/桌面/brainwash/brainwash_11_24_2014_images/{}".format(i))
im.save(imgFile+"/{}".format(i))
im.close()
然后经获得的图片名分别转成6位的VOC格式,这里因为训练、测试和验证我保存的不是一个文件夹(因为可能有图片名字重复的),所以我先将图片给转成对于格式后,在全部转到一个JPEGImages文件夹下
#将图片转成jpg格式,这里没必要写的,因为在后面改名的时候就直接改成jpg格式了
import glob
import os
import cv2
from PIL import Image
url = '/home/lf/桌面/img/JPEGImages2'
img_list=os.listdir(url)
print(sorted(img_list))#进行排序好,为后面更改名字作准备
#将png格式的图片转换成jpg格式
for name in img_list:
prename=name.split(".")[0]
src=cv2.imread("/home/lf/桌面/img/JPEGImages2/"+name)
cv2.imwrite("/home/lf/桌面/img/jnwe2/"+prename+'.jpg',src)
cv2.waitKey(0)
# url2 = '/home/lf/桌面/JPEGImages2'
# img_list2=os.listdir(url2)
# for name in img_list2:
# print(name)
# prename=name.split(".")[0]
# src=cv2.imread("/home/lf/桌面/JPEGImages2/"+name)
#
# cv2.imwrite("/home/lf/桌面/jnwe2/"+prename+'.jpg',src)
# cv2.waitKey(0)
因为训练集中的图片都是png格式,所以后续的我都将其转成了jpg格式,但是在测试集中的图片转成jpg格式会无法显示加载,因此数据集总体我就使用了训练集和验证集的图图片。
#将图片转成6位的对应格式
import glob
import os
import cv2
from PIL import Image
url = '/home/lf/桌面/train/train2'
img_list=os.listdir(url)
img_list=sorted(img_list)
#将图片的名字转成符合voc格式的图片
for i in range(len(img_list)):
src=os.path.join(os.path.abspath(url),img_list[i])
dst=os.path.join(os.path.abspath(url),(str(i+10462).zfill(6)+'.jpg'))
os.rename(src,dst)
# url2 = '/home/lf/桌面/img/jnwe2'
# img_list2=os.listdir(url2)
# img_list2=sorted(img_list2)
#
# # 将图片的名字转成符合voc格式的图片
# for i in range(len(img_list2)):
# src=os.path.join(os.path.abspath(url2),img_list2[i])
# dst=os.path.join(os.path.abspath(url2),(str(319+i).zfill(6)+'.jpg'))
# os.rename(src,dst)