【YOLO学习笔记——数据集】之一YOLO数据集制作1（含LabelImg工具讲解）

前言

如果你有什么问题，希望跟我能够一起交流，除了通过博客交流外，欢迎你加入我的QQ群，一起交流有关于机器学习、深度学习、计算机视觉有关内容。目前我并未确定具体的研究方向，所以现在 处于广泛涉猎阶段，希望我们能够一起沟通。下图是我的群二维码：

一、综述

YOLO有自己训练好的数据集，在YOLO v2 中，数据集可检测的类别达9000种以上，但是9000毕竟不是全部，它能涵盖大部分的物体识别，但是可能对于某些用户来说是不够的，所以我们需要学习它的数据集制作方法。

我把数据集分为以下几个部分：

1.数据集的搜集，这一部分主要是在网上搜集整理相关数据集的图片，比如我要做某种猫的数据集，我需要上网上查找这种猫的图片；我需要做自己做的手工艺品的数据集，那我需要自己拍摄等等。

2.数据集的标注，计算机去认识一个物体，需要人去告诉他，哪个物体，是什么。就像我们在小时候，我们的父母会一点一点耐心教我们，什么是桌子，什么是椅子，什么是筷子，什么是树，什么是花……数据集的标注就是一个“教授”的过程。

3.数据集的训练，不是别人一教，你就能学会的，你需要不断地练习，比如说话，小时候父母不厌其烦的教我们；比如写汉字，中国人最应该骄傲的就是我们学会了世界上最难的一门语言，并且能够熟练应用。这就是因为我们从上学开始，老师就教我们写字，一写就是好几十遍……计算机也是如此，想让计算机明白什么是花，什么是自行车，就要让他“训练”，让他学会。

4.数据集的应用，我们学会说话，学会认识物体，目的就是为了应用，学会说话，我们可以交流，认识自行车，是我们能够方便交通……数据集也一样，训练好的数据集的目的就是为了应用，或者说，我们训练数据集是因为我们需要应用这个数据集，例如，我们需要检测人流量，首先我们需要识别人，当然现在就有很多人体识别的算法，如果我们要采用数据集来识别，我们需要先制作一个数据集，然后在应用数据集完成我们需要的功能。在我写的第一篇YOLO博客：《【YOLO学习笔记】之YOLO初体验》中就是对数据集的一个简单应用。

在这篇博客中，主要讲述前两个方面：数据集搜集 与 数据集标注。

首先先声明几个问题，希望大家注意：

1.我的所有操作都是在Windows系统上，不是Linux，不会Linux系统的同学无需担心。

2.在图片搜集过程中，我用到了OpenCV和C++语言，用的是VS2015编辑器。相关安装教程请看：《【opencv学习笔记】001之opencv配置（win10+VS2015+OpenCV3.1.0）》，关于OpenCV版本，希望大家暂时使用3.4.0以内，3.0.0以上，防止出现因为版本问题引发的错误。我处理的是OpenCV获取的摄像头的视频，如果大家是自己下载的视频，对代码做一些简单修改就好。

3.在图片标注过程中，我用到的软件是LabelImg，下载地址。有需要的同学自行下载。这个软件的好处是大家可以直接打开使用，无需要其他操作，以前有一种方法是用Python去操作，会有各种报错，比较麻烦，咱们用LabelImg的目的是为了做数据集，而不是为了去排错。

二、数据集搜集

爬虫是个好东西，你要学着用，如果你会爬虫，会数据清洗，数据集搜集对你来说就是小kiss，当然这个难度是比较大的，我支持大家在学习人工智能的同时懂一点大数据，懂一点爬虫。但是我更希望大家如果真的想进军人工智能，那就专注人工智能，因为人工智能也是一个很庞大的体系，其他领域要广涉猎，但是不要学太深，专注最重要。剩下的靠团队协作，木桶原理依然很重要，但是内容要变一变：一个团队是一个木桶，这个木桶能盛多少水，一方面要看每一块木板是不是完好无损，这块木板有多长，另一方面要看每一块木板之间的契合度如何。

我以后可能会讲爬虫，简单的爬虫我们是需要会的，因为我们既要有专长，也要有广泛涉猎。但是在这篇博客中我不会讲，我希望能把这篇博客的重心放在数据集上，而不是爬虫，更不是数据清洗。

我们在实际应用中，目的是为了识别物体，很少是为了去做一个完善的数据集，很多情况下，我们是在识别固定的几个物体，经常应用于视频实时监测跟踪。所以我讲的这种方法是针对这类情况的，因为这种情况应用在目前来说更为广泛。

所以我们需要的是在视频中将包含所要截取的图片弄出来，为了做测试，我只好用自己的“丑照”，还可能有各种各样稀奇古怪的表情，还希望大家能够谅解。

在学习之初，大家可以下载一段电影（录屏也可以），或者自己拍摄一段视频，这段视频中要有你的目标，现在，我假设你已经有一个后缀名为mp4的视频文件，并且，视频文件中已经有你的目标。

接下来，我们需要对视频做处理，每隔几秒，或者几毫秒（大家根据自己的电脑性能做调整）截取一张包含目标的图像。（在OpenCV中，用帧来计数，所以用帧来控制截取速度）

这段代码比较简单，我就直接在下面写出来，重要位置会加上注释。。

#include"stdafx.h"
#include<iostream>
#include<opencv2\opencv.hpp>

using namespace std;
using namespace cv;

int main()
{
	Mat frame;

	int num = 0;
	int n = 1;
	string filename;

	string Imagespath = "E:/img/";    // 保存图片的文件夹路径一定要有，因为OpenCV不会自动创建文件夹  
	VideoCapture capture(0);//读取视频，存放视频的绝对路径

	while (true)
	{
		capture >> frame;//将视频读入mat对象

		if (frame.empty())
		{
			printf("read video error");
			system("pause");
		}
		 /**************************定位验证**********************************/
		rectangle(frame, Point(100,0), Point(580,480), Scalar(0, 0, 255), 1, 8, 0);
		imshow("video", frame);
		
		/*********************保存图片*************************************/

		//int_to_string
		string string_temp;
		stringstream stream;
		stream << n;
		string_temp = stream.str();

		filename = Imagespath + string_temp + ".jpg";
		num++;
		if (num >= 3)//确定多少帧截取一张图片，10就是10帧截取一张
		{
			//截取指定位置
			Rect rect(100, 0, 480, 480);//左上顶点坐标，宽高

			Mat image_roi = frame(rect);

			//可以在这加入仿射变换

			cout << "now is writing:" << string_temp << ".jpg" << endl;
			imwrite(filename, image_roi);
			num = 0;
			n++;
		}
		waitKey(30);

	}//while()
	return 0;
}

得到的图片如下

 注意，名字要从1开始一直往后，如果大家自己找的图片，不是这样批量生成的，大家可以用看图软件批量修改名称，小编用的是2345看图王。然后将图片放在一组文件夹下面，具体如下：

在VOC 2018文件夹下有五个文件夹，搜集好的图片放在JPEGImages文件夹下；标注后数据保存在Annotations文件夹下；labels文件夹在数据集的训练时用到；在ImageSets文件夹下有下面三个文件夹，在Main文件夹中有一个train.txt文件，后面数据集训练会详细讲解。

三、数据集标注

接下来就是对20个图片做标注了，这一步，需要大家细心，一个图片都不能少，20个还好，如果是好几千甚至几万呢？

我们用到的软件是LabelImg。

大家直接点击打开使用即可。

它会自动运行一个黑窗体，然后打开软件，不需要大家自己编译运行，不用担心有代码错误的问题。我个人习惯最大化，大家根据自己习惯调节。

一般情况下，我们只需要做如下几个步骤。

1.打开图片所在文件夹。选择图片文件夹，就会在右下角显示文件夹下所有的图片。

2.修改输出文件夹，报错标注数据。

3.图片标注。

输入法切换为英文，然后按“W”，会出现下面的十字。

然后按住鼠标左键，拖动，直到将全部目标包括在内，注意，选择区域尽量小。

放开鼠标就是下面的样子，在文本框中输入目标名称，例如：head。

在右上角就会多一个类别：

然后依次点击-save保存-Next Image下一张

再次按W的时候，他会显示，默认为head，如果你有多个类别，那就从下面选择即可。

然后一直重复：W - 鼠标选择 - save - next image ；直到所有都标注完成。

标注完成后，就会在Annotations文件夹下产生如下的xml文件。

打开这个文件，就可以看到保存的就是我们标注好的信息。任意打开一个，文件内容如下：