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

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