Udacity Self-Driving自动驾驶目标检测数据集使用指南

一、dataset1

下载dataset1，该数据集大小为1.5G，共有9420张图像。label格式如下图所示，共有Car、Truck、Pedestrian三类。（使用数据格式转化工具可直接实现voc格式的转化，参考博客LITTI、VOC、Udacity等自动驾驶数据集下载及格式转化）

实现：

python main.py --from udacity-crowdai --from-path -crowdai --to voc --to-path datasets

生成类别为：car、truck、person

二、dataset2

下载dataset2，该数据集大小为3.3G，共有15000张图像。label格式如下图所示，共有Car、Truck、Pedestrian、trafficLight（Red、RedLeft、Green、Yellow、YellowLeft）、biker这些类别。其中，有标签的图片共有13063张，暂时不用管，在转化voc过程中，可直接实现无标签图像的清除。
原label的格式如下图

在trafficLight标签类别下，由于想要选取最后一列字符串作为标签label，对该格式文件进行预处理，生成新的格式统一的标签label文件，preprocess.py代码如下：

# preprocess.py
file = open('labels.csv', 'r').readlines()
fileout = open('labels1.csv', 'w')
for line