采用google提供的API实现目标检测,首先要对数据进行预处理,默认图像数据以及对应的xml文件已经准备完毕。现在需要将先将所有的xml转化为一个csv文件,再将csv文件转化为TFRecord格式,之后才能供API调用。官方数据预处理程序代码参看这个连接TensorFlow Object Detection API tutorial。代码没有注释,按照Usage也能把结果运行出来,我觉得理解整个数据的处理过程还很有必要的。
1.xml文件转化成csv文件,对应脚本是xml_to_csv.py
代码如下,比较简单。
"""
"""
Usage:
# Create train data:
python xml_to_csv.py -i [PATH_TO_IMAGES_FOLDER]/train -o [PATH_TO_ANNOTATIONS_FOLDER]/train_labels.csv
# Create test data:
python xml_to_csv.py -i [PATH_TO_IMAGES_FOLDER]/test -o [PATH_TO_ANNOTATIONS_FOLDER]/test_labels.csv
"""
import os
import glob
import pandas as pd
import argparse
import xml.etree.ElementTree as ET
def xml_to_csv(path):
"""Iterates through all .xml files (generated by labelImg) in a given directory and combines them in a single Pandas datagrame.
Parameters:
----------
path : {str}
The path containing the .xml files
Returns
-------
Pandas DataFrame
The produced dataframe
"""
# xml_list存储了所有的xml文件的关键信息,每一刚对应一个xml文件
xml_list = []
# glob.glob(path + '/*.xml') 查找path目录下的所有.xml文件,最终返回一个list,list的每一行都是一个xml文件的path
for xml_file in glob.glob(path + '/*.xml'):
# 采用元素数的方法解析xml文件
tree = ET.parse(xml_file)
root = tree.getroot()
# 查找当前xml文件中的所有的'object'
for member in root.findall('object'):
# value是个tuple
value = (root.find('filename').text, #xml对应的图片名
int(root.find('size')[0].text), #图片的width
int(root.find('size')[1].text), #图片的heigth
member[0].text, #当前object是个什么东西,猫、狗、桌子.......一个字符串而已
int(member[4][0].text), #xmin
int(member[4][1].text), #ymin
int(member[4][2].text), #xmax
int(member[4][3].text) #ymax
)
# 将提取的当前xml文件的上述信息追加到xml_list
xml_list.append(value)
# csv文件的第一行是列名,column_name就是干这事的
column_name = ['filename', 'width', 'height',
'class', 'xmin', 'ymin', 'xmax', 'ymax']
# pd.DataFrame构造了二维数据结构DataFrame,这货长得跟Excel一样的,真的是跟Excel一样,第一行是column_name构成的列名;
# 最左边第一列是索引,从上到下是0,1,2,3,....巴拉巴拉;xml_list按行、按列、按位就座,填充二维表格。
# 之所以这么干我认为是因为DataFrame转csv特别容易,一个函数就搞定了。
xml_df = pd.DataFrame(xml_list, columns=column_name)
return xml_df
def main():
# Initiate argument parser
# 这部分是对脚本运行时的入口参数进行解析
# 创建一个参数解析器(对象),description是这个参数解析器的功能描述,没啥实际作用
parser = argparse.ArgumentParser(
description="Sample TensorFlow XML-to-CSV converter")
# 向参数解析器中添加待待解析的参数inputDir,help中说明这个参数指向所有的.xml文件的存放目录
parser.add_argument("-i",
"--inputDir",
help="Path to the folder where the input .xml files are stored",
type=str)
# 向参数解析器中添加待待解析的参数outputFile,也就是即将生成的.csv文件的存放地址
parser.add_argument("-o",
"--outputFile",
help="Name of output .csv file (including path)", type=str)
# 获取参数解析器中的所有参数和其对应的值,存放到args中
args = parser.parse_args()
# 对入口参数进行判断,如果按照上面的usage运行,是不会出现下列异常的
# 如果输入路径没有,巴拉巴拉
if(args.inputDir is None):
args.inputDir = os.getcwd()
# 如果输出路径没有,巴拉巴拉
if(args.outputFile is None):
args.outputFile = args.inputDir + "/labels.csv"
# 判断输入路径是不是个目录
assert(os.path.isdir(args.inputDir))
# 这个函数将xml转换成csv,xml_df是个DataFrame类型的对象,里面存了所有xml文件的关键信息
xml_df = xml_to_csv(args.inputDir)
# xml_df保存到指定的路径,并取消左边的索引
xml_df.to_csv(
args.outputFile, index=None)
print('Successfully converted xml to csv.')
if __name__ == '__main__':
main()
这个代码还是很简单的,关于argparse可以参看这里argparse基本用法。
2.csv转TFRecord
对应的脚本是generate_tfrecord.py
,代码如下:
"""
Usage:
# 训练数据 1100
# 测试数据 141
# Create train data:
python generate_tfrecord.py --label=<LABEL> --csv_input=<PATH_TO_ANNOTATIONS_FOLDER>/train_labels.csv --output_path=<PATH_TO_ANNOTATIONS_FOLDER>/train.record
# Create test data:
python generate_tfrecord.py --label=<LABEL> --csv_input=<PATH_TO_ANNOTATIONS_FOLDER>/test_labels.csv --output_path=<PATH_TO_ANNOTATIONS_FOLDER>/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
# 这个也是个入口参数解析器,是不过是在tensorflow里面使用的,用法和argpares几乎一样
# 创建对象flags
flags = tf.app.flags
# 添加带解析的参数csv_input,annotations/test_labels_02.csv是参数的默认值,Path to the CSV input说明csv_input是弄啥的。
flags.DEFINE_string('csv_input', 'annotations/test_labels_02.csv', 'Path to the CSV input')
flags.DEFINE_string('output_path', 'annotations/test_labels_02.record', 'Path to output TFRecord')
flags.DEFINE_string('label', 'mucai', 'Name of class label')
# 获取flags里面的所有参数和其对应的值,存入FLAGS,是不是一样,有木有。
FLAGS = flags.FLAGS
# TO-DO replace this with label map
def class_text_to_int(row_label):
if row_label == 'mucai': # 'ship':
# print('------ is micai -------')
return 1
else:
print('NONE:'+ row_label)
'''
#这个函数的目的就是把examples(DataFrame,在这简称df)按照图片名分成组;
原因就是每一张图片中有好多个object,导致csv文件、examples都是如下形式的:
fimename1 object1
fimename1 object2
fimename2 object1
fimename2 object2
fimename2 object3
......
分组后变成如下形式:
fimename1 object1 object2
fimename2 object1 object2 object3
'''
def split(df, group):
# 创建一个类tuple的数据类型namedtuple,它比tuple牛掰的地方之一是这货除了可以按索引访问元素外,还支持按属性访问
# data有两个属性,filename和object
data = namedtuple('data', ['filename', 'object'])
# 按照'filename'对data中的数据进行分组
gb = df.groupby(group)
# gb.groups.keys()获取分组的key,就是filename
# gb.groups 用来查看分组的结果。返回形式{key:这组下所有图片的信息}
# data(filename, gb.get_group(x))存放每个图片名、该图片的相关信息
# 返回成类表形式[filename,group_filename_infor]
return [data(filename, gb.get_group(x)) for filename, x in zip(gb.groups.keys(), gb.groups)]
def create_tf_example(group, path):
# tf.gfile.GFile是tensorflow读取文件的一个api,跟open()函数差不多
with tf.gfile.GFile(os.path.join(path, '{}'.format(group.filename)), 'rb') as fid:
encoded_jpg = fid.read()
# io.BytesIO 在内存中读写字节
encoded_jpg_io = io.BytesIO(encoded_jpg)
# 读取图片
image = Image.open(encoded_jpg_io)
# 获取图片的宽、高
width, height = image.size
# 获取图片名
filename = group.filename.encode('utf8')
# 获取图片格式
image_format = b'jpg'
# 用来存放bodbox的坐标
xmins = []
xmaxs = []
ymins = []
ymaxs = []
# 当前object是啥,文字形式的
classes_text = []
# 当前object对应的索引
classes = []
# 迭代一张图片中的每一个object
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']))
# 创建存储图片数据的缓冲区tf_example,图片的信息都存在tf_example中
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),
}))
# 返回这个缓存区
return tf_example
def main(_):
# 创建TFRecord存储器,就是创建一个文本文件用来存TFRecord格式的数据,并且放到FLAGS.output_path这个地方
writer = tf.python_io.TFRecordWriter(FLAGS.output_path)
# 图片所在的目录,这个要注意修改成自己图片所在的目录
path = os.path.join(os.getcwd(), 'image')
# 读取刚才生成的csv文件的内容,存到examples中去,examples是DataFrame类型的,没错,二维的,长得跟Excel一样的。
# 记住examples中有个列名叫'filename',下面立马用到
examples = pd.read_csv(FLAGS.csv_input)
# grouped是一个list,每一行是[()]形式[(filename,filename_infor)]
grouped = split(examples, 'filename')
for group in grouped:
# 每一个group是一张图片和这张图片里面的object的信息
# 为每一张图片创建一个缓存区,可以理解为每一张图片信息都存放到一块区域中
tf_example = create_tf_example(group, path)
# 将缓存区序列化后写入文本中,至于序列化是干啥,我不太清楚,一直没去查
writer.write(tf_example.SerializeToString())
writer.close()
output_path = os.path.join(os.getcwd(), FLAGS.output_path)
print('Successfully created the TFRecords: {}'.format(output_path))
if __name__ == '__main__':
tf.app.run()