使用tensorflow搭建图像识别模型SSD之数据集处理

前言

本文需要基础 tensorflow的储存格式 python
本人最近再使用tensorflow训练自己的完整的神经网络模型，从头到尾踩了很多坑。终于搭建出来。写下此篇文章，记录一下原始图像处理的过程，本文注重于流程，原理与基础自己过。
搭建环境
cuda 10 +cudnn7.4.2.24+tensorflow 1.14-gpu+ python 3.7.5，至于怎么搭建，请看本人上一篇博客

收集数据

收集数据集合的方法有很多，本人推荐两种
爬虫 具体自己去学，不赘述
人力的网上找自己下载
根据自己公司所在需求去现场获取视频，使用python 将视频转化为图片 这种样本是最好的，能根据实际拟合
为例方便起见本人也提供了本次的案例图片，一共20张图片，并不会太多。https://pan.baidu.com/s/1jG-RKMEFKdCaz8LDOmbnAw 一种花
新建一个目录用来存放提到的数据，如图新建demo_photo在其目录下建jpegimages,放入图片

tensorflow 数据格式

最终送入神经网络训练的入图片的格式是tfrecord文件（优缺点什么的不解释，去查其他资料），所以我们必须将图片格式转为tfrecord;导入标签的文件格式是pbtxt文件。下面会解释这两个文件怎么来。下一篇再解释怎么用。一个一个步骤解释

---

原始图片.jpg=>xml标签文件=>csv文件=>tfrecord文件=>获取pbtxt文件

---

原始图片.jpg=>xml标签文件

我们知道原始图片具有可能混杂有其他物体，或者是多个不同分类的物体，会干扰正常的图片模型识别，我们希望能有一个工具，将这个jpg图片的某一个范围内的像素读取出来。，如下图

在这里，使用一个大牛编写的labelimg工具能够将我们的图片按找分类转化为xml文件，以下是链接
https://pan.baidu.com/s/1iB5whfYpIFWmTJFpc_okTg
这一步，需要把你的目标物体分类并命名，然后生成xml文件，然后将这些xml拷贝到另一个文件夹，方便我们后续操作而已。到这里你就有xml文件里，至于xml里面文件是什么，这里不解释，自己去看，有点图像处理基础，不难看懂。效果如图


然后将随机选取2/5的文件到test文件夹，3/5到train文件夹，（2/5或3/5随便定）本步骤的目的是将样本集分为两类，一类为训练集，一类为测试集。

xml标签文件=>csv文件

使用如下脚本 xml2csv.py ，没有说明的地方不要更改，至于文件内容自己去解读也不难，此步骤需要生成两个文件 一个train.csv,一个test.csv,以test为例子，train类似

import os
import glob
import pandas as pd
import xml.etree.ElementTree as ET


def xml_to_csv(path):
    xml_list = []
    for xml_file in glob.glob(path + '/*.xml'):
        tree = ET.parse(xml_file)
        root = tree.getroot()
        for member in root.findall('object'):
            value = (root.find('filename').text,
                     int(root.find('size')[0].text),
                     int(root.find('size')[1].text),
                     member[0].text,
                     int(member[4][0].text),
                     int(member[4][1].text),
                     int(member[4][2].text),
                     int(member[4][3].text)
                     )
            xml_list.append(value)
    column_name = ['filename', 'width', 'height', 'class', 'xmin', 'ymin', 'xmax', 'ymax']
    xml_df = pd.DataFrame(xml_list, columns=column_name)
    return xml_df

def main():
    image_path = os.path.join('I:/Demo_photo/Annotations') #此处换成你上一步生成的xml文件的路径，有两个，一个为train文件夹，一个为test文件夹
    print(image_path)
    xml_df = xml_to_csv(image_path)
    xml_df.to_csv('train.csv', index=None)  #如果你自己的文件夹是训练集则命名为train.csv，如果是测试文件夹则命名为test.csv生成的文件再当前文件的目录。
    print('Successfully converted xml to csv.')
main()

csv文件=>tfrecord文件

使用如下脚本生成tfrecord，此步骤需要生成两个文件 train.tfrecord,test.tfrecord

"""
Usage:
  # From tensorflow/models/
  # Create train data:
  python generate_tfrecord.py --csv_input=data/train_labels.csv  --output_path=train.record
  # Create test data:
  python generate_tfrecord.py --csv_input=data/test_labels.csv  --output_path=test.record
"""
from __future__ import division
from __future__ import print_function
from __future__ import absolute_import
import os
import io
import pandas as pd
import tensorflow as tf
from PIL import Image
from object_detection.utils import dataset_util
from collections import namedtuple, OrderedDict

# TO-DO replace this with label map
def class_text_to_int(row_label):
    if row_label == 'daisy':	  #放自己的分类名
        return 1
    else:
        None

def split(df, group):
    data = namedtuple('data', ['filename', 'object'])
    gb = df.groupby(group)
    return [data(filename, gb.get_group(x)) for filename, x in zip(gb.groups.keys(), gb.groups)]

def create_tf_example(group, path):
    with tf.gfile.GFile(os.path.join(path, '{}'.format(group.filename)), 'rb') as fid:
        encoded_jpg = fid.read()
    encoded_jpg_io = io.BytesIO(encoded_jpg)
    image = Image.open(encoded_jpg_io)
    width, height = image.size
    filename = group.filename.encode('utf8')
    image_format = b'jpg'
    xmins = []
    xmaxs = []
    ymins = []
    ymaxs = []
    classes_text = []
    classes = []

    for index, row in group.object.iterrows():
        xmins.append(row['xmin'] / width)
        xmaxs.append(row['xmax'] / width)
        ymins.append(row['ymin'] / height)
        ymaxs.append(row['ymax'] / height)
        classes_text.append(row['class'].encode('utf8'))
        classes.append(class_text_to_int(row['class']))

    tf_example = tf.train.Example(features=tf.train.Features(feature={
        'image/height': dataset_util.int64_feature(height),
        'image/width': dataset_util.int64_feature(width),
        'image/filename': dataset_util.bytes_feature(filename),
        'image/source_id': dataset_util.bytes_feature(filename),
        'image/encoded': dataset_util.bytes_feature(encoded_jpg),
        'image/format': dataset_util.bytes_feature(image_format),
        'image/object/bbox/xmin': dataset_util.float_list_feature(xmins),
        'image/object/bbox/xmax': dataset_util.float_list_feature(xmaxs),
        'image/object/bbox/ymin': dataset_util.float_list_feature(ymins),
        'image/object/bbox/ymax': dataset_util.float_list_feature(ymaxs),
        'image/object/class/text': dataset_util.bytes_list_feature(classes_text),
        'image/object/class/label': dataset_util.int64_list_feature(classes),
    }))
    return tf_example

def main(_):
    writer = tf.python_io.TFRecordWriter('I:/Demo_photo/test.tfrecord')   #输出test.tfrecord 文件的路径
    path = os.path.join('I:/Demo_photo/JPEGImages')    #原始图像储存的路径
    examples = pd.read_csv('I:/Demo_photo/test.csv')    #csv文件储存的路径
    grouped = split(examples, 'filename')
    for group in grouped:
        tf_example = create_tf_example(group, path)
        writer.write(tf_example.SerializeToString())

    writer.close()
    output_path = os.path.join(os.getcwd(), 'I:/Demo_photo/test.tfrecord')   #输出test.tfrecord 文件的路径
    print('Successfully created the TFRecords: {}'.format(output_path))

if __name__ == '__main__':
    tf.app.run()

pbtxt

新建一个txt文件，修改后缀名为pbtxt,命名随便，此处我命名为labelmap.pbtxt
修改里面内容为如图，根据自己分类的数目和命名来修改。

item{
　　　　　　id:1
　　　　　　name: 'daisy'
　　　　　　}
item{
　　　　　　id:2
　　　　　　name: 'other-classify'
　　　　　　}

到此，我们根据原始图像最终得到了三个文件 train.tfrecord,test.tfrecord,labelmap.pbtxt文件。这三个文件和图像文件不可删除！！！

本次到此结束，如何使用这三个文件训练自己的神经网络模型，期待我的下一篇博客。
本人比较菜，如有纰漏或错误请及时指正。