建立自己的voc数据集_在Ubuntu内制作自己的VOC数据集

一、VOC数据集的简介

PASCAL VOC为图像的识别和分类提供了一整套标准化的优秀数据集，基本上就是目标检测数据集的模板。现在有VOC2007，VOC2012。主要有20个类。而现在主要的模型评估就是建立在VOC数据集和COCO数据集上(80个类)，其指标主要是mAP和fps(帧率)。

VOC数据集有五个文件夹

├── Annotations              # 存放xml文件，主要是记录标记框位置信息

├── ImageSets                # 存放的都是txt文件，txt文件中每一行包含一个图片的名称，末尾会加上+1或者-1表示正负样本

├── Action

├── Layout

├── Main

└── Segmentation

├── JPEGImages           # 存放源图片

├── SegmentationClass

└── SegmentationObject

制作自己的数据集时只需要用到Annotations、ImageSets、JPEGImages三个文件夹

二、数据制作流程

1. 把所有图片放入JPEGImages文件中，后缀名一般为 .jpg .png .JPG。需要批量重命名文件夹中图片文件。使用rename.py

#-*- coding:utf8 -*-

importosclassBatchRename():‘‘‘‘‘‘

def __init__(self):

self.path= ‘/home/z/work/train‘ #存放图片的文件夹路径

defrename(self):

filelist=os.listdir(self.path)

total_num=len(filelist)

i= 1

for item infilelist:if item.endswith(‘.jpg‘) or item.endswith(‘.JPG‘): #图片格式为jpg、JPG

src=os.path.join(os.path.abspath(self.path),item)

dst= os.path.join(os.path.abspath(self.path),str(i).zfill(5) + ‘.jpg‘) #设置新的图片名称

try:

os.rename(src,dst)print ("converting %s to %s ..." %(src,dst))

i= i + 1

except:continue

print ("total %d to rename & converted %d jpgs" %(total_num,i))if __name__ == ‘__main__‘:

demo=BatchRename()

demo.rename()

只需要修改图片路径、增添图片格式、zfill(5)表示图片名称从00001~99999，可以按照自己的图片数量进行修改。

2. 使用LabelImg标注图片

推荐在Ubuntu内安装LabelImg，Windows中感觉安装有很多bug，安装流程如下：

二、安装labelImg 下载地址：https://github.com/tzutalin/labelImg labelImg-master.zip 由于我的虚拟机没法解压zip 安装apt-get install zip 解压：unzip labelImg-master.zip cd labelImg-master/我使用的：Python3 +Qt5 sudo apt-get install pyqt5-dev-tools sudo pip3 install-r requirements/requirements-linux-python3.txt 还要执行 sudo pip3 install lxml(labelImg需要PyQt和lxml的支持) make qt5py3 将会执行 pyrcc5-o resources.py resources.qrc python3 labelImg.py出现错误 No module named PyQt5 解决方案：没有将pyqt5设为默认 sudo apt-get install qt5-default

再次执行 python3 labelImg.py 成功 建议把labelImg锁定左侧框，方便下次使用

3. 将标注好的xml文件放到Annotations文件夹下

4. 生成ImageSets\Main文件夹下的4个txt文件：test.txt，train.txt，trainval.txt，val.txt

这四个文件存储的是上一步xml文件的文件名。trainval和test内容相加为所有xml文件，train和val内容相加为trainval。使用CreateTxt.py生成。要将该文件与ImageSets和Annotations放在同一目录下

importosimportrandom

trainval_percent= 0.8 #trainval数据集占所有数据的比例

train_percent = 0.5 #train数据集占trainval数据的比例

xmlfilepath = ‘Annotations‘txtsavepath= ‘ImageSets/Main‘total_xml=os.listdir(xmlfilepath)

num=len(total_xml)print(‘total number is‘,num)

list=range(num)

tv= int(num *trainval_percent)print(‘trainVal number is‘,tv)

tr= int(tv *train_percent)print(‘train number is‘,tr)print(‘test number is‘,num -tv)

trainval=random.sample(list,tv)

train=random.sample(trainval,tr)

ftrainval= open(‘ImageSets/Main/trainval.txt‘,‘w‘)

ftest= open(‘ImageSets/Main/test.txt‘,‘w‘)

ftrain= open(‘ImageSets/Main/train.txt‘,‘w‘)

fval= open(‘ImageSets/Main/val.txt‘,‘w‘)for i inlist:

name= total_xml[i][:-4] + ‘\n‘

if i intrainval:

ftrainval.write(name)if i intrain:

ftrain.write(name)else:

fval.write(name)else:

ftest.write(name)

ftrainval.close()

ftrain.close()

fval.close()

ftest.close()