制作自己的数据集完整过程（按照VOC格式）

本文按照VOC数据集的格式，制作出自己的数据集，此外介绍一款使用方便且能够标注多类别并能直接生成xml文件的标注工具——labelImg工具。

VOC数据集的介绍：https://blog.csdn.net/tttabcgy/article/details/80191889
Ubuntu源码安装

由于Ubuntu系统自带python，这款软件在Ubuntu环境下的安装是最方便的。软件要求python版本在2.6以上，同时需要PyQt和lxml的支持。
（1）下载代码

git clone https://github.com/tzutalin/labelImg

 
( 2 )安装Python3+QT5（github上的安装步骤太慢 ，可以使用下面的代码）

1 安装：

    sudo apt-get install pyqt5-dev-tools
    sudo pip3 install lxml# 安装lxml，如果报错，可以试试下面语句
    sudo apt-get install python-lxml

2 打开终端，进入LabelImg目录后使用make编译：

    cd LabelImg
    make all

3 使用

在labelImg目录下使用终端执行

python3 labelImg.py

（3）建立自己的文件

按照VOC格式建立3个文件夹，Annotataions里是要放生成的XML文件，ImageSets里再建立Main文件，Main文件要放入生成的四个text文件，IPEGImages放入自己要图片，格式是000001.jpg。

（4）labelimg窗口的使用方法：（运行 python3  labelImg.py会出现画图窗口）

    “Open Dir”打开需要标注的样本图片文件夹，会自动打开第一张图片，开始进行标注。
    使用“Create RectBox”开始画框。
    完成一张图片后点击“Save”，此时XML文件要保存到Annotations中。
    点击“Next Image”转到下一张图片。
    标注过程中可随时返回进行修改，后保存的文件会覆盖之前的。
    完成标注后打开XML文件，发现确实和PASCAL VOC所用格式一样。此外，还可以转换成yolo格式的（点击PASCAL VOC切换）。

注意：

• 修改默认的XML文件保存位置，可以用“Ctrl+R”，改为自定义位置，这里的路径不能包含中文，否则无法保存。

• 源码文件夹中使用notepad++打开data/predefined_classes.txt，可以修改默认类别，比如改成bus、car、building三个类别。

类别名称请用小写字母。（pascal.py中读取.xml文件的类别标签的代码：cls = self._class_to_ind[obj.find('name').text.lower().strip()]写的只识别小写字母，如果你的标签含有大写字母，可能会出现KeyError的错误）

 

•每个图片和标注得到的xml文件，JPEGImages文件夹里面的一个训练图片，对应Annotations里面的一个同名XML文件，一 一 对应，命名一致。

此时，Annotations里面的已经自动保存XML文件。

然后就是搞定ImageSets文件夹中的Main文件夹中的四个文件。如下面代码：

    import os
    import random
     
    trainval_percent = 0.66
    train_percent = 0.5
    xmlfilepath = '/media/lee/data/xm/labelImg/RS2018/Annotations'
    txtsavepath = '/media/lee/data/xm/labelImg/RS2018/ImageSets\Main'
    total_xml = os.listdir(xmlfilepath)
     
    num=len(total_xml)
    list=range(num)
    tv=int(num*trainval_percent)
    tr=int(tv*train_percent)
    trainval= random.sample(list,tv)
    train=random.sample(trainval,tr)
     
    ftrainval = open('/media/lee/data/xm/labelImg/RS2018/ImageSets/Main/trainval.txt', 'w')
    ftest = open('/media/lee/data/xm/labelImg/RS2018/ImageSets/Main/test.txt', 'w')
    ftrain = open('/media/lee/data/xm/labelImg/RS2018/ImageSets/Main/train.txt', 'w')
    fval = open('/media/lee/data/xm/labelImg/RS2018/ImageSets/Main/val.txt', 'w')
     
    for i  in list:
        name=total_xml[i][:-4]+'\n'
        if i in trainval:
            ftrainval.write(name)
            if i in train:
                ftrain.write(name)
            else:
                fval.write(name)
        else:
            ftest.write(name)
     
    ftrainval.close()
    ftrain.close()
    fval.close()
    ftest .close()

只要把上面出现的所有路径换成自己的路径就可以运行。运行成功后就可以发现Main文件夹中出现了四个文件。

到此，制作数据集结束。可以进行下一步训练。

参考的文章：

https://blog.csdn.net/cgt19910923/article/details/80211220

https://blog.csdn.net/u011574296/article/details/78953681

https://blog.csdn.net/tsq292978891/article/details/78720157

https://blog.csdn.net/jesse_mx/article/details/53606897

https://blog.csdn.net/xunan003/article/details/78720189

https://github.com/tzutalin/labelImg
————————————————
版权声明：本文为CSDN博主「weixin_38385446」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_38385446/article/details/81081172