目标检测的数据集制作一般流程（Pascal VOC标准格式）

最新推荐文章于 2024-06-08 08:25:29 发布
置顶 最新推荐文章于 2024-06-08 08:25:29 发布
阅读量1.3w 收藏 186
点赞数 19
分类专栏： 深度学习 文章标签： Pascal VOC 目标检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41065383/article/details/90637205
版权

了解Pascal VOC

利用深度学习方法如Faster R-CNN或YOLOv3等进行目标检测时需要训练数据集，我们很少会根据自己的数据集格式修改代码，更多的是按照一定格式修改自己的数据格式，而PASCAL VOC为图像识别和分类提供了一整套标准化的数据集，为了方便我们目标检测的进行，可以先来详细的记录一下PASCAL VOC的格式。
Pascal VOC数据集下载地址：http://host.robots.ox.ac.uk/pascal/VOC/

数据集下载后解压得到一个名为VOCdevkit的文件夹，该文件夹结构如下：

.
└── VOCdevkit     #根目录
    └── VOC2017   #不同年份的数据集，这里只下载了2007的，还有2007等其它年份的
        ├── Annotations        #存放xml文件，与JPEGImages中的图片一一对应，解释图片的内容等等
        ├── ImageSets          #该目录下存放的都是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表示正负样本
        │   ├── Action
        │   ├── Layout
        │   ├── Main
        │   └── Segmentation
        ├── JPEGImages         #存放源图片
        ├── SegmentationClass  #存放的是图片，语义分割相关
        └── SegmentationObject #存放的是图片，实例分割相关
（1）Annotations

在这里插入图片描述
Annotations文件夹中存放的是xml格式的标签文件，每一个xml文件都对应于JPEGImages文件夹中的一张图片，包含了图片的重要信息：图片的名称，图片中object的类别及其bounding box坐标。xml文件的解析如下：
其中：

标签解释
filename文件名
source图像来源（不重要）
size图像尺寸（长宽以及通道），包含了width，height和depth
segmented是否用于分割
object需检测到的物体，包含了物体名称name，拍摄角度pose，是否截断truncated，难以识别difficult，object对应的bounding box信息 bndbox
bndbox包含左下角和右上角x，y坐标 （xmin，ymin，xmax，ymax）
<annotation>
	<folder>VOC2007</folder>
	<filename>000051.jpg</filename>
	<source>
		<database>The VOC2007 Database</database>
		<annotation>PASCAL VOC2007</annotation>
		<image>flickr</image>
		<flickrid>291539949</flickrid>
	</source>
	<owner>
		<flickrid>kristian_svensson</flickrid>
		<name>Kristian Svensson</name>
	</owner>
	<size>
		<width>500</width>
		<height>375</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>motorbike</name>
		<pose>Unspecified</pose>
		<truncated>1</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>352</xmin>
			<ymin>138</ymin>
			<xmax>500</xmax>
			<ymax>375</ymax>
		</bndbox>
	</object>
	<object>
		<name>motorbike</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>105</xmin>
			<ymin>1</ymin>
			<xmax>427</xmax>
			<ymax>245</ymax>
		</bndbox>
	</object>
	<object>
		<name>person</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>1</difficult>
		<bndbox>
			<xmin>415</xmin>
			<ymin>61</ymin>
			<xmax>465</xmax>
			<ymax>195</ymax>
		</bndbox>
	</object>
</annotation>

以下程序可以将XML标签中目标绘制在图像中，并返回：
具体步骤为：
1.用xml.etree.ElementTree库中的parse方法解析xml文件；
2.获取xml文件的根节点
3.寻找object节点用find() 和findall()， .text表示获取节点中的内容
4.cv2绘图，rectangle画框，putTEXT标注类别

# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET  
import os,cv2
 
xml_file='Annotations/000282.xml'
tree=ET.parse(xml_file)
root=tree.getroot()
imgfile='JPEGImages/000282.jpg'
im = cv2.imread(imgfile)
for object in root.findall('object'):
    object_name=object.find('name').text
    Xmin=int(object.find('bndbox').find('xmin').text)
    Ymin=int(object.find('bndbox').find('ymin').text)
    Xmax=int(object.find('bndbox').find('xmax').text)
    Ymax=int(object.find('bndbox').find('ymax').text)
    color = (4, 250, 7)
    cv2.rectangle(im,(Xmin,Ymin),(Xmax,Ymax),color,2)
    font = cv2.FONT_HERSHEY_SIMPLEX  
    cv2.putText(im, object_name, (Xmin,Ymin - 7), font, 0.5, (6, 230, 230), 2)
    cv2.imshow('01',im)
#cv2.imwrite('02.jpg', im)

在这里插入图片描述

JPEGImages

存放的是数据集的原图片，像素尺寸大小不一
在这里插入图片描述

ImageSets

ImageSets存放的是每一种计算机视觉任务类型所对应的文件夹，各个文件夹均存放txt格式文件，txt中记录图片名：

文件夹数据信息
Layout具有人体部位的数据
Main一般存放图像物体识别的数据
Segmentation用于语义，实例分割的数据

目标检测主要用到Main文件夹中的txt文件（训练自己的数据时，我们需要自己生成）：

Main中的txt文件用途
train训练使用的图片名称（无后缀）
val验证使用的图片名称（无后缀）
trainval以上两者的合并
test测试使用的图片名称（无后缀）

在这里插入图片描述
以下代码可以通过统计Annotations文件夹里xml文件的数目划分各类数据集

import os
import random

path='D:/VOCtrainval_06-Nov-2007/yoloV3conf\keras-yolo3-master/VOCdevkit/VOC2007/'

trainval_percent = 0.66
train_percent = 0.5

xmlfilepath = path+'Annotations'
txtsavepath = path+'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(path+'ImageSets/Main/trainval.txt', 'w')
ftest = open(path+'ImageSets/Main/test.txt', 'w')
ftrain = open(path+'ImageSets/Main/train.txt', 'w')
fval = open(path+'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()

1.安装标注工具

数据标注工具labelImg，可以通过可视化的操作界面进行画框标注，就能自动生成VOC格式的xml文件，该工具是基于Python语言编写的，这样就支持在Windows、Linux的跨平台运行，Windows和Linux下载地址为：https://tzutalin.github.io/labelImg/
在这里插入图片描述

2.创建文件夹

按照VOC数据集的要求，创建以下文件夹
（1）Annotations：用于存放标注后的xml文件
（2）ImageSets/Main：用于存放训练集、测试集、验收集的文件列表
（3）JPEGImages：用于存放原始图像
在这里插入图片描述

3.标注数据

将源图片集放在JPEGImages文件夹里面，注意图片的格式必须是jpg格式的。
打开labelImg标注工具，然后点击左侧的工具栏“Open Dir”按钮，选择刚才放猫的JPEGImages文件夹。这时，主界面将会自动加载第一张猫照片。
在这里插入图片描述
点击左侧工具栏的“Create RectBox”按钮，然后在主界面上点击拉个矩形框，将猫圈出来。圈定后，将会弹出一个对话框，用于输入标注物体的类别，这里输入cat作为object类别。

然后点击左侧工具栏的“Save”按钮，选择刚才创建的Annotations作为保存目录，系统将自动生成VOC2007格式的xml文件保存起来。这样就完成了一张猫照片的物体标注了。
在这里插入图片描述
接下来点击左侧工具栏的“Next Image”进入下一张图像，按照以上步骤，画框、输入名称、保存，如此反复，直到把所有照片都标注好，保存起来。

这样就完成了数据集的准备

weixin_41065383
关注
  • 19
    点赞
  • 踩
  • 186
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
目标检测之摔倒检测数据集，voc格式
05-09
“voc”格式，全称为PASCAL VOC（Visual Object Classes）格式，是一种广泛使用的计算机视觉数据集的标准格式，最初由PASCAL挑战赛提出。该格式主要包括图像文件、XML标注文件以及类别信息。XML文件描述了图像中每个...
行人检测数据集——pascalvoc格式
05-25
PASCAL VOC（Visual Object Classes）是计算机视觉研究中广泛使用的数据集之一，它为多个对象类别的检测提供了标准数据集。在这个特定的压缩包中，我们关注的是"行人"类别，即VOCPersons。 PASCAL VOC数据集由一...
数据集学习笔记(二): 转换不同类型的数据集用于模型训练(XML、VOC、YOLO、COCO、JSON、PNG)
源的博客
07-08 3092
文章目录xml转换为coco xml转换为coco 只要修改倒数第三四行的代码即可使用，倒数第四行主要是xml的文件夹，注意下路径斜杠的方向即可，倒数第三行就是这个xml的文件名，是val就写val，是train就写train。 import xml.etree.ElementTree as ET import os import json coco = dict() coco['images'] = [] coco['type'] = 'instances' coco['annotations'] =
开源目标检测数据集汇总
最新发布
FL1623863129的博客
06-08 1454
计算机视觉中关于图像识别有四大类任务：分类，定位，检测，分割。分类问题：即图片（或某个区域）中的图像属于哪个类别。定位问题：目标可能出现在图像的任何位置。大小问题：目标有各种不同的大小。形状问题：目标可能有各种不同的形状。
为目标检测制作PASCAL VOC2007格式的数据集
u014696804的博客
12-25 626
本文为博主原创，转载请注明出处：https://blog.csdn.net/hitzijiyingcai/article/details/81636455 一、前言 在利用诸如Faster R-CNN等深度学习网络进行目标检测的时候一定需要训练自己的数据集，一般有两种方法： 按照VOC2007的格式修改自己的数据格式 根据自己的数据格式修改源码 一般推荐第一种方法，因为第一种方法比较简单而且不...
VOC数据集介绍及构建自己的VOC格式目标检测数据集
dddeee的专栏
06-09 2万+
VOC格式数据的介绍及labelimg标注教程的说明
目标检测数据集PASCAL VOC详解
qq_38410428的博客
04-03 1万+
1. 前言 PASCAL VOC挑战赛 （The PASCAL Visual Object Classes ）是一个世界级的计算机视觉挑战赛,PASCAL全称：Pattern Analysis, Statical Modeling and Computational Learning，是一个由欧盟资助的网络组织。 很多优秀的计算机视觉模型比如分类，定位，检测，分割，动作识别等模型都是基于PASCAL VOC挑战赛及其数据集上推出的，尤其是一些目标检测模型（比如大名鼎鼎的R-CNN系列，以及后面的YOLO，S
PASCAL VOC目标检测数据集格式转化为COCO目标检测数据集格式
Embed_sky的博客
01-12 583
PASCAL VOC2012目标检测数据集格式转化为COCO2017目标检测数据集格式，简单方便直接
1、目标检测：PASCAL VOC 数据集简介
热门推荐
Man
03-02 8万+
一、简介 PASCAL VOC 挑战赛主要有 Object Classification 、Object Detection、Object Segmentation、Human Layout、Action Classification 这几类子任务 PASCAL 主页 与 排行榜 PASCAL VOC 2007 挑战赛主页 、PASCAL VOC 2012 挑战赛主页 、PASC...
目标检测数据集PASCAL VOC简介
generalsong的博客
09-08 4085
https://arleyzhang.github.io/articles/1dc20586/ 简介 PASCAL VOC挑战赛 （ThePASCALVisual Object Classes ）是一个世界级的计算机视觉挑战赛,PASCAL全称：Pattern Analysis, Statical Modeling and Computational Learning，是一个由欧盟资助的网络组织。 很多优秀的计算机视觉模型比如分类，定位，检测，分割，动作识别等模型都是基于PASCAL...
目标检测数据集-Pascal VOC 数据集介绍
算法之美
11-20 1579
目标检测数据集-Pascal VOC 数据集介绍，Pascal VOC(VOC 2012、VOC 2007) 数据集的简介、下载、使用方法详细攻略
目标检测YOLO数据集的三种格式及转换
dont worry about it的博客
04-21 5万+
选择合适的数据集格式对于训练和部署YOLO模型至关重要。TXT格式简单易用，适合初学者和快速原型开发；VOC格式适合需要更详细标注信息的项目；而COCO格式则因其标准化和通用性，成为许多研究和实际应用的首选。了解这些格式及其转换方法，可以帮助研究人员和开发者更有效地处理目标检测任务。
yolo摔倒目标检测数据集VOC格式
07-18
VOC格式是一种广泛用于目标检测、语义分割等任务的标准数据集格式。它包括图像文件、XML注释文件以及类别列表。在VOC数据集中，每张图像都有一个对应的XML文件，记录了图像中每个目标对象的边界框位置（bounding box...
黄豆种子目标检测数据集（voc格式）
05-17
这个数据集采用VOC（PASCAL Visual Object Classes）格式，这是一种广泛使用的标准格式，专为图像分类、物体检测和分割任务设计。VOC数据集通常包含图像、标注文件以及详细的类别信息，帮助模型学习识别特定目标的...
蛇目标检测数据集VOC+YOLO格式112张
05-22
PASCAL VOC是一个标准化的目标检测、分割和分类数据集，由一系列不同类别的物体图像组成，每个图像都有精确的边界框标注。在这个数据集中，蛇被选为特定的目标类别，意味着每张图片都包含了蛇的相关标注信息，如边界...
深度学习笔记----单阶段检测模型YOLO
wait1ess的博客
05-27 6495
单阶段检测模型 相对于以RCNN，Fast R-CNN和Faster R-CNN为代表的基于region proposal的两阶段检测模型，单阶段的物体检测用一个end-to-end的全卷积神经网络完成从原始图像的输入到Bounding box和box中物体类别的输出。在实时检测方面优于上述的区域推荐，而准确率方面则相对较差。 YOLO 以RCNN为代表的传统的物体检测方法通过region pro...
Google Colab使用笔记之VGG模型在cifar10数据集下的深度学习训练（持续更新中）
wait1ess的博客
05-11 2710
参考文章： https://blog.csdn.net/zzk1995/article/details/54292859 https://blog.csdn.net/wsLJQian/article/details/78411044 https://blog.csdn.net/u010899985/article/details/81836299 https://cloud.tencent.com...
深度学习笔记之基于InceptionV3架构的深度学习方法进行肺炎诊断
wait1ess的博客
05-17 1835
前言 X线胸片，通俗地被称为“拍片”，也列为常规体检的检查项目之一。X线摄影的快捷、简便、经济的优势日渐突出，成为胸部检查的优先选择。X线胸片能清晰地记录肺部的大体病变，如肺部炎症、肿块、结核等，利用人体组织的不同密度可观察到厚度和密度差别较小部位的病变。 肺炎是由感染性病原体引起的肺组织炎症和实变，在X线胸片上可见双肺斑片状阴影，阴影模糊不清，双肺呈毛玻璃状；传统的阅片方式为医生人工查看，凭借经...
tensorflow对pascalvoc标注格式的包含边框信息的数据进行训练
06-01
可以使用TensorFlow Object Detection API对包含Pascal VOC标注格式的数据进行训练。这需要将数据集转换成TFRecord格式。TFRecord是一种二进制文件格式，可以在TensorFlow中高效地读取和处理数据。 首先，需要将Pascal VOC数据集转换成TFRecord格式。可以使用TensorFlow Object Detection API提供的脚本进行转换。具体步骤如下： 1. 下载TensorFlow Object Detection API，并安装依赖库。 2. 准备Pascal VOC数据集，并将其按照TensorFlow Object Detection API的要求进行组织。 3. 使用脚本将数据集转换成TFRecord格式。例如，可以运行以下命令： ``` python object_detection/dataset_tools/create_pascal_tf_record.py \ --label_map_path=/path/to/label_map.pbtxt \ --data_dir=/path/to/PascalVOC \ --output_path=/path/to/output.tfrecord ``` 其中，`label_map_path`是类别标签映射文件的路径，`data_dir`是Pascal VOC数据集的路径，`output_path`是输出的TFRecord文件路径。 4. 配置训练参数，包括模型类型、学习率、训练步数等。 5. 使用TensorFlow Object Detection API提供的训练脚本进行训练。例如，可以运行以下命令： ``` python object_detection/model_main.py \ --pipeline_config_path=/path/to/pipeline.config \ --model_dir=/path/to/model_dir \ --num_train_steps=50000 \ --sample_1_of_n_eval_examples=1 \ --alsologtostderr ``` 其中，`pipeline_config_path`是模型配置文件的路径，`model_dir`是模型输出结果的路径，`num_train_steps`是训练步数，`sample_1_of_n_eval_examples`是评估步数，`alsologtostderr`是将日志同时输出到标准输出。 通过以上步骤，就可以使用TensorFlow Object Detection API对Pascal VOC标注格式的数据进行训练了。
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值