前言
近來冠狀病毒肆虐,還是好好響應國家號召待在家裏。閒來無事就搞一下用於faster-rcnn訓練用的數據集。這篇博客詳細地註釋了將kitti數據集轉換成pascal voc格式的代碼,結合網上各個前輩的博客,記錄了自己動手實驗的過程。轉換完成後的標籤以及圖片,將用於訓練faster-rcnn關於車輛檢測識別的模型。
第一部分:數據集的準備
1. 下載kitti數據集
參考博主micro wen的博客,可以通過kitti數據集的介紹進行詳細瞭解數據集的形式。通過進入原網址下載或者Kitti數據集下載百度雲下載data_object_image_2.zip和data_object_label_2.zip。
下載後得到兩個文件:
- 原始圖片集:data_object_image_2.zip,解壓後得到png格式的訓練集和測試集對應元素圖片;
- 標籤集爲:data_object_label_2.zip,解壓後得到爲txt格式的訓練集對應標籤文件,包含諸如下列形式的內容:
Car 0.00 0 -1.75 685.77 178.12 767.02 235.21 1.50 1.62 3.89 3.27 1.67 21.18 -1.60
每一行就是一個object,第一個即爲類別信息,後面是bounding box信息,具體可以查看相關博客。
2. pascal voc2007介紹
這裏只簡單介紹一下,詳細可移步這裏。VOC2007包含3個文件夾:
-
JPEGImages ==》》 用來存放所有的原始圖片,格式爲JPG。
-
ImageSets ==》》(包含多個子文件夾,目標檢測中只用到Main文件夾)
Main —>存放一些txt文件,用來標明訓練時候的train數據集、val數據集和test數據集
Layout
Segmentation
- Annotation ==》》 存放一些xml文件,xml文件中包含相對應的bounding box位置信息,以及類別,每個xml文件對應JPEGImages文件夾中的一張圖片。內容如下:
<?xml version="1.0"?>
-<annotation>
<folder>VOC2007</folder>
<filename>000001.jpg</filename>
-<source>
<database>The VOC2007 Database</database>
<annotation>PASCAL VOC2007</annotation>
<image>flickr</image>
<flickrid>341012865</flickrid>
</source>
-<owner>
<flickrid>Fried Camels</flickrid>
<name>Jinky the Fruit Bat</name>
</owner>
-<size>
<width>353</width>
<height>500</height>
<depth>3</depth>
</size>
<segmented>0</segmented>
-<object>
<name>dog</name>
<pose>Left</pose>
<truncated>1</truncated>
<difficult>0</difficult>
-<bndbox>
<xmin>48</xmin>
<ymin>240</ymin>
<xmax>195</xmax>
<ymax>371</ymax>
</bndbox>
</object>
-<object>
<name>person</name>
<pose>Left</pose>
<truncated>1</truncated>
<difficult>0</difficult>
-<bndbox>
<xmin>8</xmin>
<ymin>12</ymin>
<xmax>352</xmax>
<ymax>498</ymax>
</bndbox>
</object>
</annotation>
3. 轉換成JPG格式
因爲voc是JPG格式的,還沒拿去訓練不知道PNG格式的會不會有影響,所以先轉換成JPG格式以防萬一。採用格式工廠批量處理,一次只能999張圖片,所以要先劃分出各個文件夾方便處理。PS也可以通過動作和錄製功能批處理,不過效率有點慢就沒采用。
4. 創建VOC2007文件夾
在JPEGImages放入轉換完成的train圖片的JPG圖片(有博客說直接將下載的PNG放入,但有test和train兩個文件夾,查看原voc2007文件夾,發現裏面只有train的圖片,於是只放入轉換完成的trainJPG圖片)。
在ImageSet文件夾裏創建如下3個文件夾。
第二部分:轉換數據集
1. 介紹
這部分主要還是參考micro wen的博客。之前看的時候實驗做起來很簡單,不過還是要認真看一下代碼。看代碼時候就很多不懂,所以更新了代碼備註,希望能幫到有需要的人。
由於“DontCare”,“Misc”,“Cyclist”三個類別在圖片中太小且標註信息也不準確,在轉換的時候需要將其忽略。根據之前的博客還將“Person_sitting”和“Pedestrian”合併爲一個類別,統一標記爲“Pedestrian”。採用python語言進行轉換。
創建的python文件我是放在和label同一級目錄下,不過把代碼裏的絕對路徑寫好應該也可以放在別的地方。
2. 轉換kitti數據集類別
創建python文件modify_kitti_type.py
# -*-coding:utf-8-*-
import glob
import string
# glob: return document/file path
# 存儲Labels文件夾所有txt文件路徑,Win下修改路徑要注意反斜槓用法,不要用成\
txt_list = glob.glob('E:/111/rpntrain-data/data_object_label_2/training/label_2/*.txt')
# 輸出所有文件中的物體類別
def show_category(txt_list):
category_list = []
for item in txt_list:
try:
with open(item) as tdf:
for each_line in tdf:
labeldata = each_line.strip().split(' ') # 去掉前後多餘的字符並把其分開
category_list.append(labeldata[0]) # 只要第一個字段,即類別
except IOError as ioerr:
print('File error:' + str(ioerr))
print(set(category_list)) # 輸出集合
# 這裏是將每個文件的每行寫入line中
def merge(line):
# 列表推導式(又稱列表解析式)提供了一種簡明扼要的方法來創建列表,
# 它是利用其創建新列表list的一個簡單方法。列表推導式比較像for循環語句,
# 必要時也可以加入if條件語句完善推導式。
each_line = ''
# add space to last word in each line
for i in range(len(line)):
if i != (len(line) - 1):
each_line = each_line + line[i] + ' '
else:
each_line = each_line + line[i] # 最後一條字段後面不加空格
each_line = each_line + '\n'
return (each_line)
# print('before modify categories are:\n')
print('在修改類別之前:\n')
# 顯示原有的類別
show_category(txt_list)
# item爲當前操作的文件,
for item in txt_list:
new_txt = []
try:
# with as是控制流語句,可以處理異常而不用多寫代碼
# 對item進行讀取
with open(item, 'r') as r_tdf:
for each_line in r_tdf:
# 實際上strip是刪除的意思;而split則是分割的意思。因此也表示了這兩個功能是完全不一樣的,
# strip可以刪除字符串的某些字符,而split則是根據規定的字符將字符串進行分割。
labeldata = each_line.strip().split(' ')
'''if labeldata[0] in ['Truck','Van','Tram','Car']: # 合併汽車類
labeldata[0] = labeldata[0].replace(labeldata[0],'car')
if labeldata[0] in ['Person_sitting','Cyclist','Pedestrian']: # 合併行人類
labeldata[0] = labeldata[0].replace(labeldata[0],'pedestrian')'''
# print type(labeldata[4])
# Pedestrian 0.00 0 -0.20 712.40 143.00 810.73 307.92 1.89 0.48 1.20 1.84 1.47 8.41 0.01
# 沒有研究label裏數字具體的意思,直接使用前人的代碼
if labeldata[4] == '0.00':
labeldata[4] = labeldata[4].replace(labeldata[4], '1.00')
if labeldata[5] == '0.00':
labeldata[5] = labeldata[5].replace(labeldata[5], '1.00')
# 如果當前行0位置爲truck則進行替換,使用小寫怕訓練時候出錯
if labeldata[0] == 'Truck':
labeldata[0] = labeldata[0].replace(labeldata[0], 'truck')
if labeldata[0] == 'Van':
labeldata[0] = labeldata[0].replace(labeldata[0], 'van')
if labeldata[0] == 'Tram':
labeldata[0] = labeldata[0].replace(labeldata[0], 'tram')
if labeldata[0] == 'Car':
labeldata[0] = labeldata[0].replace(labeldata[0], 'car')
if labeldata[0] in ['Person_sitting', 'Pedestrian']: # 合併行人類
labeldata[0] = labeldata[0].replace(labeldata[0], 'pedestrian')
if labeldata[0] == 'Cyclist':
continue
if labeldata[0] == 'DontCare': # 忽略Dontcare類
continue
if labeldata[0] == 'Misc': # 忽略Misc類
continue
new_txt.append(merge(labeldata)) # 重新寫入新的txt文件
with open(item, 'w+') as w_tdf: # w+是打開原文件將內容刪除,另寫新內容進去
for temp in new_txt:
w_tdf.write(temp)
except IOError as ioerr:
print('File error:' + str(ioerr))
# 顯示處理後的種類,這裏已經完成了對label的修改
print('\nafter modify categories are:\n')
show_category(txt_list)
3. 轉換標註信息格式:txt到xml
處理完原始的txt文件後,接下來需要將標籤集的txt標註文件轉換成xml文件。去掉標註信息中用不上的部分,把座標值從float類型轉化爲int類型,最後代碼會將生成的xml文件存放到VOC數據集的Annotations文件夾中。創建python文件txt_to_xml.py
#-*-coding:utf-8-*-
# 根據一個給定的XML Schema,使用DOM樹的形式從空白文件生成一個XML
from xml.dom.minidom import Document
# python3.7下安裝cv2,本機不能直接pip安裝,搜索安裝包進行安裝
import cv2
import os
# 傳入序號,
def generate_xml(name,split_lines,img_size,class_ind):
doc = Document() # 創建DOM文檔對象
# 問題:創建document對象,如果存在則會把文件價名加在裏面的文件前面?
# 上述問題是在寫路徑時候Annotations沒加反斜槓
annotation = doc.createElement('annotation')
# appendChild方法的規定就是向節點添加最後一個子節點。
doc.appendChild(annotation)
# 測試輸出文件位置問題
# print("document start")
# 這裏開始寫入XML,可具體看每個xml的內容
title = doc.createElement('folder')
title_text = doc.createTextNode('VOC2007')#這裏修改了文件夾名
# appendChild:添加子節點
title.appendChild(title_text)
annotation.appendChild(title)
# img_name=name+'.png'#要用jpg格式
img_name = name + '.jpg'
title = doc.createElement('filename')
title_text = doc.createTextNode(img_name)
title.appendChild(title_text)
annotation.appendChild(title)
source = doc.createElement('source')
annotation.appendChild(source)
title = doc.createElement('database')
title_text = doc.createTextNode('The VOC2007 Database')#修改爲VOC
title.appendChild(title_text)
source.appendChild(title)
title = doc.createElement('annotation')
title_text = doc.createTextNode('PASCAL VOC2007')#修改爲VOC
title.appendChild(title_text)
source.appendChild(title)
size = doc.createElement('size')
annotation.appendChild(size)
title = doc.createElement('width')
title_text = doc.createTextNode(str(img_size[1]))
title.appendChild(title_text)
size.appendChild(title)
title = doc.createElement('height')
title_text = doc.createTextNode(str(img_size[0]))
title.appendChild(title_text)
size.appendChild(title)
title = doc.createElement('depth')
title_text = doc.createTextNode(str(img_size[2]))
title.appendChild(title_text)
size.appendChild(title)
for split_line in split_lines:
line=split_line.strip().split()
if line[0] in class_ind:
object = doc.createElement('object')
annotation.appendChild(object)
title = doc.createElement('name')
title_text = doc.createTextNode(line[0])
title.appendChild(title_text)
object.appendChild(title)
title = doc.createElement('difficult')
title_text = doc.createTextNode('0')
title.appendChild(title_text)
object.appendChild(title)
bndbox = doc.createElement('bndbox')
object.appendChild(bndbox)
title = doc.createElement('xmin')
title_text = doc.createTextNode(str(int(float(line[4]))))
title.appendChild(title_text)
bndbox.appendChild(title)
title = doc.createElement('ymin')
title_text = doc.createTextNode(str(int(float(line[5]))))
title.appendChild(title_text)
bndbox.appendChild(title)
title = doc.createElement('xmax')
title_text = doc.createTextNode(str(int(float(line[6]))))
title.appendChild(title_text)
bndbox.appendChild(title)
title = doc.createElement('ymax')
title_text = doc.createTextNode(str(int(float(line[7]))))
title.appendChild(title_text)
bndbox.appendChild(title)
# 將DOM對象doc寫入文件
f = open('E:/111/rpntrain-data/VOC2007/Annotations/' + name + '.xml', 'w')
f.write(doc.toprettyxml(indent = ''))
f.close()
if __name__ == '__main__':
class_ind=('van', 'tram', 'car', 'pedestrian', 'truck')# 修改爲了5類
# cur_dir=os.getcwd()
# 這個路徑是label的上一層,不加反斜槓
labels_dir = os.path.join("E:/111/rpntrain-data/data_object_label_2/training", 'label_2')
# os.walk方法,主要用來遍歷一個目錄內各個子目錄和子文件
for parent, dirnames, filenames in os.walk(labels_dir): # 分別得到根目錄,子目錄和根目錄下文件
# 對於根目錄下的文件,先取得路徑得到前面的文件序號,再生成新的xml
for file_name in filenames:
full_path=os.path.join(parent, file_name) # 獲取文件全路徑
#print full_path
f=open(full_path)
# 讀取所有行
split_lines = f.readlines()
name= file_name[:-4] # 後四位是擴展名.txt,只取前面的文件名
#print name
img_name = name + '.jpg'
# 將要訓練的圖片路徑添加入img_path中
img_path = os.path.join('E:/111/rpntrain-data/VOC2007/JPEGImage/trianing', img_name)
#print img_path
img_size=cv2.imread(img_path).shape
# 文件序號,每一行,圖片大小,目標類別
generate_xml(name,split_lines,img_size,class_ind)
print('all txts has converted into xmls')
4. 生成訓練驗證集和測試集列表
創建python文件generate_train_test_txt.py
#-*-coding:utf-8-*-
# 生成訓練驗證集和測試集列表
import pdb
import glob
import os
import random
import math
# 這個函數是傳入要比較的標籤類別和查詢原圖是否有這個標籤
def get_sample_value(txt_name, category_name):
# kitti數據集的label位置
label_path = 'E:/111/rpntrain-data/data_object_label_2/training/label_2/'
# 建立路徑,用於記錄哪個訓練/測試用的數據集搭配哪個種類的文件名
txt_path = label_path + txt_name+'.txt'
try:
with open(txt_path) as r_tdf:
# 如果當前的這個種類在label裏有則返回1,用於上層記錄是否歸屬該類別
if category_name in r_tdf.read():
return ' 1'
else:
return '-1'
except IOError as ioerr:
print('File error:'+str(ioerr))
# glob文件搜索,找到符合這個路徑的路徑
# 也有博客有這個寫法:txt_list_path = glob.glob('./Labels/*.txt')
txt_list_path = glob.glob('E:/111/rpntrain-data/data_object_label_2/training/label_2/*.txt')
# 用於下文記錄txt的所有文件名
txt_list = []
for item in txt_list_path:
# 分離路徑名和文件名
temp1,temp2 = os.path.splitext(os.path.basename(item))
# 將文件名加入到這個數組裏
txt_list.append(temp1)
# 對文件名進行排序
txt_list.sort()
# 控制檯裏顯示所有的文件名
print(txt_list, end = '\n\n')
# 有博客建議train:val:test=8:1:1,先嚐試用一下
# 思路是將trainval分得9份,8份給train,1份給val。
# val用於訓練時候驗證集,也就是訓練結束時得到的準確率。和測試集不一樣
# random.sample多用於截取列表的指定長度的隨機數,但是不會改變列表本身的排序
# math.floor是得到小於或者等於參數的最大整數
num_trainval = random.sample(txt_list, math.floor(len(txt_list)*9/10.0)) # 可修改百分比
num_trainval.sort()
print(num_trainval, end = '\n\n')
num_train = random.sample(num_trainval,math.floor(len(num_trainval)*8/9.0)) # 可修改百分比
num_train.sort()
print(num_train, end = '\n\n')
# 這裏用set().difference()得到和剛纔得到trian數據集不一樣的部分,也就是9份裏的剩下1份
num_val = list(set(num_trainval).difference(set(num_train)))
num_val.sort()
print(num_val, end = '\n\n')
num_test = list(set(txt_list).difference(set(num_trainval)))
num_test.sort()
print(num_test, end = '\n\n')
# pdb.set_trace()
# 自己創建VOC裏imagesets的Main_path文件夾路徑
Main_path = 'E:/111/rpntrain-data/VOC2007/ImageSets/Main/'
# 數據集種類,用於區分訓練和測試用
train_test_name = ['trainval','train','val','test']
# 數據集裏的各個類別
category_name = ['van', 'tram', 'car', 'pedestrian', 'truck']#修改類別
# 循環寫trainvl train val test
for item_train_test_name in train_test_name:
list_name = 'num_'
# 這個num_加上數據集種類,可以得到上文8:1:1裏的各個數據集名稱
list_name += item_train_test_name
# 創建數據集種類的文件,記錄這個種類都有哪些照片
train_test_txt_name = Main_path + item_train_test_name + '.txt'
try:
# 寫單個文件
with open(train_test_txt_name, 'w') as w_tdf:
# 一行一行寫,eval是讀取這個list的內容,也就是數據集種類裏的照片名
# 最終能得到四類:trainval.txt之類的四個
for item in eval(list_name):
w_tdf.write(item+'\n')
# 循環寫Car Pedestrian Cyclist
for item_category_name in category_name:
# 得到:路徑+car+_+trainval+.txt的文件部分,
# 也就是數據類別在當前數據集的分類數據判斷,如00001 1爲含有該類00002 -1爲不含該類
category_txt_name = Main_path + item_category_name + '_' + item_train_test_name + '.txt'
with open(category_txt_name, 'w') as w_tdf:
# 一行一行寫,記錄照片標號和該照片是否屬於該類別
for item in eval(list_name):
w_tdf.write(item+' '+ get_sample_value(item, item_category_name)+'\n')
except IOError as ioerr:
print('File error:'+str(ioerr))
生成的txt文件如下:
至此訓練車聯網需要的數據集就準備好了。因爲還不能回學校,所以進行訓練的過程只能等以後了。
參考鏈接
https://blog.csdn.net/xw_2_xh/article/details/86617595
https://blog.csdn.net/flztiii/article/details/73881954
https://blog.csdn.net/u014256231/article/details/79801665