制作自己的VOC数据集

制作自己的VOC数据集

由于最近在用自己的数据复现deeplabv3+的代码，需要用到VOC格式的数据集，这里将主要介绍一下如何将自己的数据集转化为VOC数据集。
首先VOC数据集的格式如下：

• ImageSets
  • Segmentation
    • tain.txt
    • val.txt
    • test.txt
• JPEGImages
• SegmentationClass
  其中JPEGImages存放.jpg格式的原图，SegmentationClass存放与JPEGImages一一对应的.png格式的标签图片。
  

要制作自己的VOC数据集，默认你已经做好了如下准备：

• 使用labelme标注了数据并将json文件批量转化
• 将所有待训练的原图都存放在一个文件夹中

所以我们接下来的工作就是

• 从批量转化的json文件中挑出我们需要的label.png文件并重新命名并存储到SegmentationClass文件夹下
• 将原图复制到JPEGImages中并重新命名。（其中需要注意的是JPEGImages和SegmentationClass中的图片需要名称和位置一一对应）
• 生成.txt文件

用到的代码如下所示

import os
import shutil
from sklearn.model_selection import train_test_split
#从json中挑出mask文件

inputdir = r'F:\test0628'   #存放json文件的文件夹
outputdir = r'F:\MyDataset\Seghybrid\SegmentationClass' 
c = 1
for dir in os.listdir(inputdir):
    # 设置旧文件名（就是路径+文件名）
    oldname = inputdir + os.sep + dir + os.sep + 'label.png'  # os.sep添加系统分隔符

    # 设置新文件名
    #c = outputdir + os.sep + dir.split('_')[1]

    a = "0" * (6 - len(str(c)))
    newname = outputdir + os.sep + a + str(c) + '.png'
    shutil.copyfile(oldname, newname)  # 用os模块中的rename方法对文件改名
    print(oldname, '======>', newname)
    c += 1
'''
#原始数据转换  
inputdir = r'F:\ProcessData\AllData'    #存放初始数据的文件夹
outputdir = r'F:\MyDataset\Seghybrid\JPEGImages'
c = 1
for dir in os.listdir(inputdir):
    # 设置旧文件名（就是路径+文件名）
    oldname = inputdir + os.sep + dir   # os.sep添加系统分隔符

    # 设置新文件名
    #c = outputdir + os.sep + dir.split('_')[1]

    a = "0" * (6 - len(str(c)))
    newname =outputdir + os.sep +a + str(c) + '.jpg'
    shutil.copyfile(oldname, newname)  # 用os模块中的rename方法对文件改名
    print(oldname, '======>', newname)
    c += 1
    
    
    
#生成txt文件
imagedir = 'F:\MyDataset\Seghybrid\JPEGImages'
outdir = r'F:\MyDataset\Seghybrid\ImageSets\Segmentation'

images = []
for file in os.listdir(imagedir):
    filename = file.split('.')[0]
    images.append(filename)
# 训练集测试集验证集比例为：4：2：2
train, test = train_test_split(images, train_size=0.5, random_state=0)
val, test = train_test_split(test, train_size=0.5, random_state=0)

with open(outdir + os.sep +"train.txt", 'w') as f:
    f.write('\n'.join(train))
with open(outdir + os.sep +"val.txt", 'w') as f:
    f.write('\n'.join(val))
with open(outdir + os.sep +"test.txt", 'w') as f:
    f.write('\n'.join(test))
'''