一害驹、數(shù)據(jù)集準(zhǔn)備

1. Annotations文件夾
   該文件下存放的是xml格式的標(biāo)簽文件详瑞，每個(gè)xml文件都對(duì)應(yīng)于JPEGImages文件夾的一張圖片。
2. JPEGImages文件夾
   該文件夾下存放的是數(shù)據(jù)集圖片臣缀，包括訓(xùn)練和測(cè)試圖片坝橡，一般都是jpg格式的照片，如果有必要的話(huà)可以將其他格式的照片轉(zhuǎn)換成jpg或者用PNG格式精置，這個(gè)在后續(xù)會(huì)有提到
3. ImageSets文件夾
   該文件夾下存放了三個(gè)文件夾计寇，分別是Layout、Main脂倦、Segmentation番宁。在這里我們只用存放圖像數(shù)據(jù)的Main文件夾，其他兩個(gè)暫且不管赖阻。
4. SegmentationClass文件和SegmentationObject文件蝶押。
   這兩個(gè)文件都是與圖像分割相關(guān)，跟咱們這個(gè)沒(méi)有太大關(guān)系火欧，先不管棋电。

1. Annotations文件夾

Annotations文件夾中存放的是xml格式的標(biāo)簽文件，每一個(gè)xml文件都對(duì)應(yīng)于JPEGImages文件夾中的一張圖片苇侵。xml文件的解析如下所示（這是我自己做的數(shù)據(jù)集的注釋文件赶盔，想看原始的可以去下載PASCAL VOC2007原始數(shù)據(jù)集（http://host.robots.ox.ac.uk/pascal/VOC/voc2007/））：

<annotation>
        <folder>faster-RCNN-test1</folder>
        <filename>000001.jpg</filename>                                        #文件名
        <path>G:\UAV\faster-RCNN-test1\000001.jpg</path>                       #命名這個(gè)文件的文件夾名，不重要
        <source>                                                               #圖像來(lái)源榆浓，不重要 
                <database>Unknown</database>
        </source>
        <size>                                                                 #圖像尺寸于未，包括長(zhǎng)、寬和通道數(shù)
                <width>4608</width>
                <height>3456</height>
                <depth>3</depth>
        </size>
        <segmented>0</segmented>                                               #是否用于分割陡鹃，在目標(biāo)識(shí)別中01無(wú)所謂
        <object>                                                               #檢測(cè)到的物體
                <name>succulent_root</name>                                    #物體類(lèi)別
                <pose>Unspecified</pose>                                       #拍攝角度
                <truncated>0</truncated>                                       #是否被截?cái)啵?表示完整
                <difficult>0</difficult>                                       #目標(biāo)是否難以識(shí)別烘浦，0表示容易識(shí)別
                <bndbox>                                                       #bounding-box，包含左下角和右上角xy坐標(biāo)
                        <xmin>2136</xmin>
                        <ymin>2031</ymin>
                        <xmax>2302</xmax>
                        <ymax>2207</ymax>
                </bndbox>
        </object>
        <object>                                                              #檢測(cè)到幾個(gè)物體萍鲸，其他與第一個(gè)物體同樣
                <name>pots</name>
                <pose>Unspecified</pose>
                <truncated>0</truncated>
                <difficult>0</difficult>
                <bndbox>
                        <xmin>1844</xmin>
                        <ymin>1748</ymin>
                        <xmax>2547</xmax>
                        <ymax>2400</ymax>
                </bndbox>
        </object>
        <object>
                <name>tag</name>
                <pose>Unspecified</pose>
                <truncated>0</truncated>
                <difficult>0</difficult>
                <bndbox>
                        <xmin>2719</xmin>
                        <ymin>1152</ymin>
                        <xmax>3743</xmax>
                        <ymax>1724</ymax>
                </bndbox>
        </object>
</annotation>

2. JPEGImages文件夾

1. JPEGImages 內(nèi)部存放了PASCAL VOC所提供的所有的圖片谎倔，包括了訓(xùn)練圖片、驗(yàn)證圖片和測(cè)試圖片
2. 這些圖像的像素尺寸大小不一猿推，但是橫向圖的尺寸大約在500375左右片习，縱向圖的尺寸大約在375500左右捌肴，基本不會(huì)偏差超過(guò)100。（在之后的訓(xùn)練中藕咏，第一步就是將這些圖片都resize到300300或是500500状知，所有原始圖片不能離這個(gè)標(biāo)準(zhǔn)過(guò)遠(yuǎn)。

3. ImageSets文件夾

ImageSets存放的是每一種類(lèi)型的challenge對(duì)應(yīng)的圖像數(shù)據(jù)孽查。

我們只需要準(zhǔn)備三個(gè)文件夾即可饥悴，即剛才重點(diǎn)介紹的3個(gè)文件夾，Annotation盲再，JPEGImages和ImageSets文件夾西设。

1. 準(zhǔn)備訓(xùn)練所需的圖片，圖片命名成VOC2007格式答朋，這樣可以免去許多麻煩贷揽，下面是一個(gè)批量重命名文件的代碼：

import os

path = r'G:\\UAV\\faster-RCNN-test\\'
savedpath = r'G:\\UAV\\faster-RCNN-test1\\'

filelist = os.listdir(path)
for i in range(0 , len(filelist)):
    input_img = path + filelist[i]
    output_img = savedpath + '%06d' % (i + 1) + '.jpg'
    print(input_img)
    print(output_img)
    os.rename(input_img , output_img)

2. 對(duì)圖片進(jìn)行注釋?zhuān)疫@里使用的是Windows10 + Anaconda + LabelImg來(lái)做的，具體做法參見(jiàn)我的另一篇簡(jiǎn)書(shū)（http://www.reibang.com/p/bda8ea406498）
3. 將數(shù)據(jù)集分隔成三部分分別用于faster-RCNN的訓(xùn)練梦碗，驗(yàn)證和測(cè)試禽绪，可以通過(guò)以下代碼來(lái)實(shí)現(xiàn)：

import cv2
import os
import random
 
root = '/public/chenhx/Deep_learning_architecture/Faster-RCNN_TF/data/VOCdevkit/VOC2007/faster-RCNN-test1'
fp = open(root + '/'+'name_list.txt' , 'r')
fp_trainval = open(root + '/'+'trainval.txt', 'w')
fp_test = open(root + '/'+'test.txt', 'w')
fp_train = open(root + '/'+'train.txt', 'w')
fp_val = open(root + '/'+'val.txt', 'w')
 
filenames = fp.readlines()
for i in range(len(filenames)):
    pic_name = filenames[i]
    pic_name = pic_name.strip()
    x = random.uniform(0, 1)
    pic_info = pic_name.split('.')[0]
    #  this 0.5 represents 50% of the data as trainval data
    if x >= 0.5:
        fp_trainval.writelines(pic_info + '\n')
 
    else:
        fp_test.writelines(pic_info + '\n')
 
fp_trainval.close()
fp_test.close()
 
 
 
fp = open(root + '/' +'trainval.txt')
filenames = fp.readlines()
for i in range(len(filenames)):
    pic_name = filenames[i]
    pic_name = pic_name.strip()
    pic_info = pic_name.split('.')[0]
    x = random.uniform(0, 1)
    #  This 0.5 represents 50% of the trainval data as train data
    if x >= 0.5:
        fp_train.writelines(pic_info + '\n')
    else:
        fp_val.writelines(pic_info + '\n')
fp_train.close()

預(yù)訓(xùn)練模型、數(shù)據(jù)集的具體路徑放在：

- Faster-RCNN_TF
    - data
        - VOCdevkit2007
            - VOC2007
                - JPEGImages
                - Annotations
                - ImageSets
        - pretrain_model
            - VGG_imagenet.npy

至此洪规，準(zhǔn)備完畢Ｓ∑ā！斩例！