背景

万事开头难。之前写图像识别的博客教程,也是为了方便那些学了很多理论知识,却对实际项目无从下手的小伙伴,后来转到目标检测来了,师从烨兄、亚光兄,从他们那学了不少检测的知识和操作,今天也终于闲下了,准备写个检测系列的总结。一方面分享知识希望可以一起学习,另一方面让一部分人少走弯路,快速上路(入坑)。

此部分代码:Github 博客地址: 目标检测系列一:如何制作数据集?

更新

• (28/03/2019)
  • 新增 csv2labelme

系列一主要介绍如何在常见的几种数据格式之间进行转换,以及万能中介csv格式的使用,这里列出以下几个:

• csv to coco
• csv to voc
• labelme to coco
• labelme to voc
• csv to json

在使用转换脚本之前,必须要明确的几种格式

不要一看是csv文件就直接拿来运行,如果不是,可以自行修改代码,或者修改标注文件。

转换脚本支持的csv格式应为以下形式:

• csv/
  • labels.csv
  • images/
    • image1.jpg
    • image2.jpg
    • ...

labels.csv 的形式:

/path/to/image,xmin,ymin,xmax,ymax,label

例如:

/mfs/dataset/face/0d4c5e4f-fc3c-4d5a-906c-105.jpg,450,154,754,341,face
/mfs/dataset/face/0ddfc5aea-fcdac-421-92dad-144.jpg,143,154,344,341,face
...

注:图片路径请使用绝对路径

标准的voc数据格式如下:

• VOC2007/
  • Annotations/
    • 0d4c5e4f-fc3c-4d5a-906c-105.xml
    • 0ddfc5aea-fcdac-421-92dad-144/xml
    • ...
  • ImageSets/
    • Main/
      • train.txt
      • test.txt
      • val.txt
      • trainval.txt
  • JPEGImages/
    • 0d4c5e4f-fc3c-4d5a-906c-105.jpg
    • 0ddfc5aea-fcdac-421-92dad-144.jpg
    • ...

此处未使用测试集

• coco/
  • annotations/
    • instances_train2017.json
    • instances_val2017.json
  • images/
    • train2017/
      • 0d4c5e4f-fc3c-4d5a-906c-105.jpg
      • ...
    • val2017
      • 0ddfc5aea-fcdac-421-92dad-144.jpg
      • ...

• labelme/
  • 0d4c5e4f-fc3c-4d5a-906c-105.json
  • 0d4c5e4f-fc3c-4d5a-906c-105.jpg
  • 0ddfc5aea-fcdac-421-92dad-144.json
  • 0ddfc5aea-fcdac-421-92dad-144.jpg

Json file 格式: (imageData那一块太长了,不展示了)

{
 "version": "3.6.16",
 "flags": {},
 "shapes": [
 {
 "label": "helmet",
 "line_color": null,
 "fill_color": null,
 "points": [
 [
 131,
 269
 ],
 [
 388,
 457
 ]
 ],
 "shape_type": "rectangle"
 }
 ],
 "lineColor": [
 0,
 255,
 0,
 128
 ],
 "fillColor": [
 255,
 0,
 0,
 128
 ],
 "imagePath": "004ffe6f-c3e2-3602-84a1-ecd5f437b113.jpg",
 "imageData": "" # too long ,so not show here
 "imageHeight": 1080,
 "imageWidth": 1920
}

首先更改csv2coco.py中以下几个配置

classname_to_id = {"person": 1} # for your dataset classes
csv_file = "labels.csv" # annatations file path
image_dir = "images/" # original image path
saved_coco_path = "./" # path to save converted coco dataset

然后运行 python csv2coco.py

会自动创建文件夹并复制图片到相应位置,运行结束后得到如下:

• coco/
  • annotations/
    • instances_train2017.json
    • instances_val2017.json
  • images/
    • train2017/
      • 0d4c5e4f-fc3c-4d5a-906c-105.jpg
      • ...
    • val2017
      • 0ddfc5aea-fcdac-421-92dad-144.jpg
      • ...

首先更改csv2voc.py中以下几个配置

csv_file = "labels.csv"
saved_path = ".VOC2007/" # path to save converted voc dataset 
image_save_path = "./JPEGImages/" # converted voc images path
image_raw_parh = "images/" # original image path

然后运行 python csv2voc.py

同样会自动创建文件夹并复制图片到相应位置,运行结束后得到如下:

• VOC2007/
  • Annotations/
    • 0d4c5e4f-fc3c-4d5a-906c-105.xml
    • 0ddfc5aea-fcdac-421-92dad-144/xml
    • ...
  • ImageSets/
    • Main/
      • train.txt
      • test.txt
      • val.txt
      • trainval.txt
  • JPEGImages/
    • 0d4c5e4f-fc3c-4d5a-906c-105.jpg
    • 0ddfc5aea-fcdac-421-92dad-144.jpg
    • ...

首先更改labelme2coco.py中以下几个配置

classname_to_id = {"person": 1} # for your dataset classes
labelme_path = "labelme/" # path for labelme dataset
saved_coco_path = "./" # path for saved coco dataset

然后运行 python labelme2coco.py,生成文件形式同csv2coco

首先更改labelme2voc.py中以下几个配置

labelme_path = "labelme/" # path for labelme dataset
saved_coco_path = "./" # path for saved coco dataset

然后运行 python labelme2voc.py,生成文件形式同csv2voc

首先更改csv2labelme.py中以下几个配置

image_path = "./images/" # path for images
csv_file = "./" # path for csv annotations

然后运行 python csv2labelme.py,生成的json文件会保存在image_path下,切换路径过去,直接labelme便 可以查看标签.

从上面的转换格式中可以看出,并没有给出如何转到csv的,一是因为太过于简单,而是主流检测框架很少支持这种格式的数据输入。以下给出如何将标注信息写入csv

info = [[filename0,"xmin ymin xmax ymax label0"],
 filename1,"xmin ymin xmax ymax label1"]
csv_labels = open("csv_labels.csv","w")
for filename,bboxes in info:
 bbox = bboxes.split(" ")
 label = bbox[-1]
 csv_labels.write(filename+","+bbox[0]+","+bbox[1]+","+bbox[2]+","+bbox[3]+","+label+"\n")
csv_labels.close()

是不是非常简单。。。如果你不知道如何从原始的标签文件中读取得到标注信息,那没办法了,学学编程吧,23333

• 1. Multiprocessing

感谢这么久以来对本项目支持的各位大佬!

Stargazers repo roster for @spytensor/prepare_detection_dataset