制作自己的segnet数据集_水果识别-数据集制作

水果识别 | SDU.LIN

• 水果识别-搭建框架 | SDU.LIN
• 水果识别-数据集制作 | SDU.LIN
• 水果识别-训练 | SDU.LIN
• 水果识别-测试 | SDU.LIN

数据集制作包括：
1. 图片获取
2. 图片标注
3. 处理成VOC数据集格式

1. 图片获取

因为需要很多的照片，所以为了效率也为了不把快门按到手软，于是先拍个视频然后把视频转化成图片。用ffmpeg工具。

安装ffmpeg工具

sudo apt install ffmpeg

将视频转成图片

ffmpeg -i ./test/video.mp4 -r 10 -f image2 ./destination/%05d.jpg

./test/video.mp4 表示要转化的视频

10 表示每秒保存10帧

./destination 表示转的的图片存储目录

%05d.jpg 图片命名规则，表示5位数不够用0补足，除了.jpg还可以是.png、.bmp等格式

2. 图片标注，使用labelImg

安装labelImg

sudo apt-get install pyqt4-dev-tools # 安装PyQt4
sudo pip install lxml # 安装lxml，如果报错，可以试试下面语句
sudo apt-get install python-lxml

git clone https://github.com/tzutalin/labelImg.git
cd labelImg
make all

运行labelImg

./labelImg.py # 或者 python labelImg.py

然后在图形用户界面标记图片，标记后会生成xml文件。

操作界面：

相应图片与生成的xml文件如下所示：

3. 然后把标记后的图片保存成VOC数据集的格式

数据集结构为：

--VOC
   --Annotations
   --ImageSets
     --Main
     --Layout
     --Segmentation
   --JPEGImages
   --SegmentationClass
   --SegmentationObjec

在水果识别中只用到了Annotations，ImageSets，JPEGImages这三个文件夹。把第二步生成的xml文件放在Annotations文件夹中，把原图放在JPEGImages文件夹中，并且让每个jpg图片对应一个xml文件。ImageSets中在这里只用到了Main文件夹，其他的在识别水果中都用不到。Main文件夹中存放train.txt，test.txt等文件，指定哪些数据用来训练哪些数据用来测试，里面保存不带后缀的图片名称列表，在这里只要训练用到的train.txt文件。所以这里用到的数据集是修改过得VOC数据集，结构为：

--VOC
   --Annotations
   --ImageSets
     --Main
   --JPEGImages

同时注意外层文件夹命名成VOC2007（一定是名字+年份，因为后面作为参数输入是直接输入的年份）。这样数据集就做好了，做好的训练集放在/darknet/scripts/VOCdevkit目录下，然后准备训练。

原文地址

水果识别-数据集制作 | |​www.linmao.dev