SSD训练自己的数据集(二): 把VOC数据集转化为TFRecords数据格式

本文介绍了如何将VOC数据集转换为TensorFlow的TFRecords格式,以供SSD目标检测模型训练使用。通过整合相关代码,修改配置参数,可以方便地完成数据转换,为后续模型训练做好准备。
摘要由CSDN通过智能技术生成

上一篇文章已经制作好VOC数据集,这一节把VOC数据集转化为Tensorflow统一的数据格式。代码如下,参考于SSD-Tensorflow代码:https://github.com/balancap/SSD-Tensorflow

其实就是把几个文件整合到一块(tf_convert_data.py、pascalvoc_to_tfrecords.py、dataset_utils.py和pascalvoc_common.py),把参数写到文件内,直接run即可,注意修改datadir和outdir路径。

# -*- coding: utf-8 -*-
"""
Created on Thu May 24 17:03:43 2018

@author: 流羽秋
"""
import os
import sys
import random

import numpy as np
import tensorflow as tf

import xml.etree.ElementTree as ET #操作xml文件

#我的标签定义只有两类,根据自己的图片而定
VOC_LABELS = {
    'none': (0, 'Background'),
    'dust': (1, 'Dust')
}

# 图片和标签存放的文件夹.
DIRECTORY_ANNOTATIONS = 'Annotations/'
DIRECTORY_IMAGES = 'JPEGImages/'

# 随机种子.
RANDOM_SEED = 4242  
SAMPLES_PER_FILES = 200  #每个文件的样本数

#生成整数型,浮点型和字符串型的属性
def int64_feature(value):
    
    if not isinstance(value, list):
        value = [value]
    return tf.train.Feature(int64_list=tf.train.Int64List(value=value))

def float_feature(value):
    
    if not isinstance(value, list):
        value = [value]
    return tf.train.Feature(float_list=tf.train.FloatList(value=value))

def bytes_feature(value):
    
    if not isinstance(value, list):
        value = [val
  • 3
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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