数据转化为VOC格式：
一、我们先看 VOC格式的数据是什么？？？
Annotations：存放xml 包括 文件夹信息 图片名称、 图片尺寸信息、 图片中object的信息。
JPEGImages： 存放图片 二、分析Wider FACE数据集： 数据集中的txt中信息为：第一行： 图片路径第二行：多少个人脸第三行：bbox信息 存储的左上角 坐标 和 高度宽度
三、代码转换：
1 import os,cv2,sys,shutil
2
3 from xml.dom.minidom import Document
4
5 def writexml(filename,saveimg,bboxes,xmlpath,typename):
6 #xml打包的函数，我们不需要知道内部做了什么。
7 #我们只需要将图片名称 图片信息 bbox信息 最终存储信息 作为参数 就可以了
8 #不需要做修改
9
10 doc = Document() #定义文件对象
11 annotation = doc.createElement(‘annotation‘) #创建根节点
12 doc.appendChild(annotation) #存放在doc中
13 # 定义annotation 的子节点
14 folder = doc.createElement(‘folder‘)
15
16 folder_name = doc.createTextNode(‘widerface‘)
17 folder.appendChild(folder_name)
18 annotation.appendChild(folder)
19 filenamenode = doc.createElement(‘filename‘)
20 filename_name = doc.createTextNode(filename)
21 filenamenode.appendChild(filename_name)
22 annotation.appendChild(filenamenode)
23 source = doc.createElement(‘source‘)
24 annotation.appendChild(source)
25 database = doc.createElement(‘database‘)
26 database.appendChild(doc.createTextNode(‘wider face Database‘))
27 source.appendChild(database)
28 annotation_s = doc.createElement(‘annotation‘)
29 annotation_s.appendChild(doc.createTextNode(‘PASCAL VOC2007‘))
30 source.appendChild(annotation_s)
31 image = doc.createElement(‘image‘)
32 image.appendChild(doc.createTextNode(‘flickr‘))
33 source.appendChild(image)
34 flickrid = doc.createElement(‘flickrid‘)
35 flickrid.appendChild(doc.createTextNode(‘-1‘))
36 source.appendChild(flickrid)
37 owner = doc.createElement(‘owner‘)
38 annotation.appendChild(owner)
39 flickrid_o = doc.createElement(‘flickrid‘)
40 flickrid_o.appendChild(doc.createTextNode(‘yanyu‘))
41 owner.appendChild(flickrid_o)
42 name_o = doc.createElement(‘name‘)
43 name_o.appendChild(doc.createTextNode(‘yanyu‘))
44 owner.appendChild(name_o)
45
46 size = doc.createElement(‘size‘)
47 annotation.appendChild(size)
48
49 width = doc.createElement(‘width‘)
50 width.appendChild(doc.createTextNode(str(saveimg.shape[1])))
51 height = doc.createElement(‘height‘)
52 height.appendChild(doc.createTextNode(str(saveimg.shape[0])))
53 depth = doc.createElement(‘depth‘)
54 depth.appendChild(doc.createTextNode(str(saveimg.shape[2])))
55
56 size.appendChild(width)
57
58 size.appendChild(height)
59 size.appendChild(depth)
60 segmented = doc.createElement(‘segmented‘)
61 segmented.appendChild(doc.createTextNode(‘0‘))
62 annotation.appendChild(segmented)
63 for i in range(len(bboxes)):
64 bbox = bboxes[i]
65 objects = doc.createElement(‘object‘)
66 annotation.appendChild(objects)
67 object_name = doc.createElement(‘name‘)
68 object_name.appendChild(doc.createTextNode(typename[i])) #人脸数据的话 直接为 “face”
69 objects.appendChild(object_name)
70 pose = doc.createElement(‘pose‘)
71 pose.appendChild(doc.createTextNode(‘Unspecified‘))
72 objects.appendChild(pose)
73 truncated = doc.createElement(‘truncated‘)
74 truncated.appendChild(doc.createTextNode(‘1‘))
75 objects.appendChild(truncated)
76 difficult = doc.createElement(‘difficult‘)
77 difficult.appendChild(doc.createTextNode(‘0‘))
78 objects.appendChild(difficult)
79 bndbox = doc.createElement(‘bndbox‘)
80 objects.appendChild(bndbox)
81 xmin = doc.createElement(‘xmin‘)
82 xmin.appendChild(doc.createTextNode(str(bbox[0])))
83 bndbox.appendChild(xmin)
84 ymin = doc.createElement(‘ymin‘)
85 ymin.appendChild(doc.createTextNode(str(bbox[1])))
86 bndbox.appendChild(ymin)
87 xmax = doc.createElement(‘xmax‘)
88 xmax.appendChild(doc.createTextNode(str(bbox[2])))# bbox[0] +
89 bndbox.appendChild(xmax)
90 ymax = doc.createElement(‘ymax‘)
91 ymax.appendChild(doc.createTextNode(str(bbox[3])))# bbox[1] +
92 bndbox.appendChild(ymax)
93 f = open(xmlpath, "w")
94 f.write(doc.toprettyxml(indent=‘‘))
95 f.close()
96
97
98 rootdir = "/media/kuan/新加卷/wider_face" #定义数据集的根目录wider_face 下载好的
99
100
101 def convertimgset(img_set): #解析函数 img_set 作为解析的路径 img_sets = ["train","val"]
102 imgdir = rootdir + "/WIDER_" + img_set + "/images" #图片文件的路径
103 gtfilepath = rootdir + "/wider_face_split/wider_face_" + img_set + "_bbx_gt.txt" #标注信息
104 fwrite = open(rootdir + "/ImageSets/Main/" + img_set + ".txt", ‘w‘) #写入txt中 main 底下的文件夹 对应140行
105 index = 0 #表示解析到第几张图
106 with open(gtfilepath, ‘r‘) as gtfiles: #打开真值文件，获取bbox
107 while(True): #true index< 1000 #前1000个样本
108 filename = gtfiles.readline()[:-1] #读取一行数据， 为图像路径
109 if filename == None or filename == "":
110 break
111 imgpath = imgdir + "/" + filename #图片的绝对路径
112 img = cv2.imread(imgpath) #拿到读取图片 可以获取到shape信息
113 if not img.data:
114 break;
115 numbbox = int(gtfiles.readline()) #读取到了第二行 人脸个数
116 bboxes = []
117 print(numbbox)
118 for i in range(numbbox): #读取bbox信息 numbbox 行
119 line = gtfiles.readline()
120 lines = line.split(" ")
121 lines = lines[0:4]
122
123 bbox = (int(lines[0]), int(lines[1]), int(lines[2]), int(lines[3])) #存储的左上角 坐标 和 高度宽度
124
125 if int(lines[2]) < 40 or int(lines[3]) < 40:
126 continue
127
128 bboxes.append(bbox) #存放到bbox中 numbbox个人脸信息
129
130 #cv2.rectangle(img, (bbox[0],bbox[1]),(bbox[0]+bbox[2],bbox[1]+bbox[3]),color=(255,255,0),thickness=1)
131
132 filename = filename.replace("/", "_") #图片的名称存储
133
134 if len(bboxes) == 0:
135 print("no face")
136 continue
137 #cv2.imshow("img", img)
138 #cv2.waitKey(0)
139 cv2.imwrite("{}/JPEGImages/{}".format(rootdir,filename), img) #写入图像JPEGImages
140 fwrite.write(filename.split(".")[0] + "\n") #写入txt中 main 底下的文件夹
141 xmlpath = "{}/Annotations/{}.xml".format(rootdir,filename.split(".")[0])
142 writexml(filename, img, bboxes, xmlpath) #调用函数
143 print("success number is ", index)
144 index += 1
145
146 fwrite.close()
147
148 if __name__=="__main__":
149 img_sets = ["train","val"]
150 for img_set in img_sets:
151 convertimgset(img_set)
152 #修改文件名
153 shutil.move(rootdir + "/ImageSets/Main/" + "train.txt", rootdir + "/ImageSets/Main/" + "trainval.txt")
154 shutil.move(rootdir + "/ImageSets/Main/" + "val.txt", rootdir + "/ImageSets/Main/" + "test.txt")
通过上面三个步骤我们就生成了VOC格式的数据集，现在我们只需要放到工程目录下并且进行修改 就可以开始训练了。
详细修改方法见下：
https://www.cnblogs.com/WSX1994/p/11216953.html
原文地址：https://www.cnblogs.com/WSX1994/p/11218264.html
时间： 2024-08-01 16:06:12