数据集制作_PaddleDetection——使用自己制作的VOC数据集进行模型训练的避坑指南...

问题及解决方案

问题一

creat_list.py执行后,生成的trainval.txt和test.txt为空文件夹。

解决方法

标准的trainval.txt文件格式，有".jpg"+".xmi"的照片对应信息。

目前不知道是什么原因creat_list生成的txt文件为空，但是我们可以自己写一个creat_txt.py文件代替creat_list.py文件，将其进行补全：

      1.创建creat_txt.py：

import osimport reimport randomdevkit_dir = './'output_dir = './'def get_dir(devkit_dir,  type):    return os.path.join(devkit_dir, type)def walk_dir(devkit_dir):    filelist_dir = get_dir(devkit_dir, 'ImageSets/Main')    annotation_dir = get_dir(devkit_dir, 'Annotations')    img_dir = get_dir(devkit_dir, 'JPEGImages')    trainval_list = []    train_list = []    val_list = []    test_list = []    added = set()    for _, _, files in os.walk(filelist_dir):        for fname in files:            print(fname)            img_ann_list = []            if re.match('trainval.txt', fname):                img_ann_list = trainval_list            elif re.match('train.txt', fname):                img_ann_list = train_list            elif re.match('val.txt', fname):                img_ann_list = val_list            elif re.match('test.txt', fname):                img_ann_list = test_list            else:                continue            fpath = os.path.join(filelist_dir, fname)            for line in open(fpath):                name_prefix = line.strip().split()[0]                print(name_prefix)                added.add(name_prefix)                #ann_path = os.path.join(annotation_dir, name_prefix + '.xml')                ann_path = annotation_dir + '/' + name_prefix + '.xml'                print(ann_path)                #img_path = os.path.join(img_dir, name_prefix + '.jpg')                img_path = img_dir + '/' + name_prefix + '.jpg'                assert os.path.isfile(ann_path), 'file %s not found.' % ann_path                assert os.path.isfile(img_path), 'file %s not found.' % img_path                img_ann_list.append((img_path, ann_path))            print(img_ann_list)    return trainval_list, train_list, val_list, test_listdef prepare_filelist(devkit_dir, output_dir):    trainval_list = []    train_list = []    val_list = []    test_list = []    trainval, train, val, test = walk_dir(devkit_dir)    trainval_list.extend(trainval)    train_list.extend(train)    val_list.extend(val)    test_list.extend(test)    #print(trainval)    with open(os.path.join(output_dir, 'trainval.txt'), 'w') as ftrainval:        for item in trainval_list:            ftrainval.write(item[0] + ' ' + item[1] + '\n')    with open(os.path.join(output_dir, 'train.txt'), 'w') as ftrain:        for item in train_list:            ftrain.write(item[0] + ' ' + item[1] + '\n')    with open(os.path.join(output_dir, 'val.txt'), 'w') as fval:        for item in val_list:            fval.write(item[0] + ' ' + item[1] + '\n')    with open(os.path.join(output_dir, 'test.txt'), 'w') as ftest:        for item in test_list:            ftest.write(item[0] + ' ' + item[1] + '\n')if __name__ == '__main__':    prepare_filelist(devkit_dir, output_dir)

      2.运行py程序：

!python dataset/voc/creat_txt.py

      3.生成结果：

问题二

执行train.py报错：

该报错说明该函数本应该接收到2个参数，但只接收到一个参数，所以我们需要找到该参数，给该参数进行赋值即可。

查看报错函数：

解决方法

在voc.py中找到该函数，将“None”改为自己对应的"img_path"(照片的路径)和"anno_path"(label的路径)。

注意：需要将默认的label函数中的标签改为自己的label_list，如下图所示：

博文链接：https://blog.csdn.net/qq_45779334/article/details/107350499