我们使用我们自己的数据集，关于航空车辆检测，来源VEDAI。
数据集txt与对应的图片如图1。
图1。txt与对应的图片
每一副图像所对应的txt里面的内容对应目标的坐标信息。如图2。文件格式为：xmin,ymin,xmax,ymax,label。
图2。txt内部信息。
将 txt 文件转换为 Pascal VOC 的 XML 格式的代码如下：
#! /usr/bin/python # -*- coding:UTF-8 -*- import os,sys import glob from PIL import Image # VEDAI 图像存储位置 src_img_dir = "/home/xn/caffe/image/VEDAI/Vehicules1024_new" # VEDAI 图像的 ground truth 的 txt 文件存放位置 src_txt_dir = "/home/xn/caffe/image/VEDAI/Annotations1024_new" src_xml_dir = "/home/xn/caffe/image/VEDAI/Annotations1024_xml" img_Lists = glob.glob(src_img_dir + '/*.png') img_basenames = [] # e.g. 100.jpg for item in img_Lists: img_basenames.append(os.path.basename(item)) img_names = [] # e.g. 100 for item in img_basenames: temp1,temp2 = os.path.splitext(item) img_names.append(temp1) for img in img_names: im = Image.open((src_img_dir + '/' + img + '.png')) width,height = im.size # open the crospronding txt file gt = open(src_txt_dir + '/' + img + '.txt').read().splitlines() #gt = open(src_txt_dir + '/gt_' + img + '.txt').read().splitlines() # write in xml file #os.mknod(src_xml_dir + '/' + img + '.xml') xml_file = open((src_xml_dir + '/' + img + '.xml'),'w') xml_file.write('<annotation>\n') xml_file.write(' <folder>VOC2007</folder>\n') xml_file.write(' <filename>' + str(img) + '.png' + '</filename>\n') xml_file.write(' <size>\n') xml_file.write(' <width>' + str(width) + '</width>\n') xml_file.write(' <height>' + str(height) + '</height>\n') xml_file.write(' <depth>3</depth>\n') xml_file.write(' </size>\n') # write the region of image on xml file for img_each_label in gt: spt = img_each_label.split(' ') #这里如果txt里面是以逗号‘，’隔开的，那么就改为spt = img_each_label.split(',')。 xml_file.write(' <object>\n') xml_file.write(' <name>' + str(spt[4]) + '</name>\n') xml_file.write(' <pose>Unspecified</pose>\n') xml_file.write(' <truncated>0</truncated>\n') xml_file.write(' <difficult>0</difficult>\n') xml_file.write(' <bndBox>\n') xml_file.write(' <xmin>' + str(spt[0]) + '</xmin>\n') xml_file.write(' <ymin>' + str(spt[1]) + '</ymin>\n') xml_file.write(' <xmax>' + str(spt[2]) + '</xmax>\n') xml_file.write(' <ymax>' + str(spt[3]) + '</ymax>\n') xml_file.write(' </bndBox>\n') xml_file.write(' </object>\n') xml_file.write('</annotation>')上面代码运行结果是得到如下的 XML 文件，同样用上面的
00000004_co.png 图像示例，其转换结果如下：
图3。xml内容示例。
二、转换对应的trainval.txt与test.txt
这一步，按照 SSD 训练的需求，将图像位置，及其对应的 XML 文件位置写入一个 txt 文件，供训练时读取，一个文件名称叫做：trainval.txt 文件，另一个叫做：test.txt 文件。形式如下：
图4。trainval.txt。
#! /usr/bin/python
# -*- coding:UTF-8 -*-
import os,sys
import glob
trainval_dir = "/home/xn/caffe/image/VEDAI/Vehicules1024_new/trainval"
test_dir = "/home/xn/caffe/image/VEDAI/Vehicules1024_new/test"
trainval_img_lists = glob.glob(trainval_dir + '/*.png')
trainval_img_names = []
for item in trainval_img_lists:
temp1,temp2 = os.path.splitext(os.path.basename(item))
trainval_img_names.append(temp1)
test_img_lists = glob.glob(test_dir + '/*.png')
test_img_names = []
for item in test_img_lists:
temp1,temp2 = os.path.splitext(os.path.basename(item))
test_img_names.append(temp1)
dist_img_dir = "VEDAI/Vehicules1024_new"
dist_anno_dir = "VEDAI/Annotations1024_xml"
trainval_fd = open("/home/xn/caffe/image/VEDAI/trainval.txt",'w')
test_fd = open("/home/xn/caffe/image/VEDAI/test.txt",'w')
for item in trainval_img_names:
trainval_fd.write(dist_img_dir + '/' + str(item) + '.png' + ' ' + dist_anno_dir + '/' + str(item) + '.xml\n')
for item in test_img_names:
test_fd.write(dist_img_dir + '/' + str(item) + '.png' + ' ' + dist_anno_dir + '/' + str(item) + '.xml\n')三、下一步，SSD 还需要一个名叫：
test_name_size.txt 的文件，里面记录训练图像、测试图像的图像名称、height、width。内容形式如下：
#! /usr/bin/python
import os,sys
import glob
from PIL import Image
img_dir = "/home/xn/caffe/image/VEDAI/Vehicules512_new/test/"
img_lists = glob.glob(img_dir + '/*.png')
test_name_size = open('/home/xn/caffe/image/VEDAI/test_name_512_size.txt','w')
for item in img_lists:
img = Image.open(item)
width,height = img.size
temp1,temp2 = os.path.splitext(os.path.basename(item))
test_name_size.write(temp1 + ' ' + str(height) + ' ' + str(width) + '\n')
四、生成labelmap
这个 prototxt 文件是记录 label 与 name 之间的对应关系的，内容如下：
item { name: "none_of_the_above" label: 0 display_name: "background" }
item { name: "vehicule" label: 1 display_name: "vehicule" }五、生成ssd需要的lmdb文件
这时候，需要修改调用 SSD 源码中提供的 create_data.sh 脚本文件（我将文件重命名为：create_VEDAI_data.sh）：
代码如下，根据自己的路径与需求更改：
cur_dir=$(cd $( dirname ${BASH_SOURCE[0]} ) && pwd )
root_dir=/home/xn/caffe
cd $root_dir
redo=1
data_root_dir="$HOME/caffe/image"
dataset_name="VEDAI"
mapfile="$data_root_dir/VEDAI/labelmap_1024.prototxt"
anno_type="detection"
db="lmdb"
min_dim=0
max_dim=0
width=0
height=0
extra_cmd="--encode-type=png --encoded"
if [ $redo ]
then
extra_cmd="$extra_cmd --redo"
fi
for subset in test_1024 trainval_1024
do
python $root_dir/scripts/create_annoset.py --anno-type=$anno_type --label-map-file=$mapfile --min-dim=$min_dim --max-dim=$max_dim --resize-width=$width --resize-height=$height --check-label $extra_cmd $data_root_dir $root_dir/image/$dataset_name/$subset.txt $data_root_dir/$dataset_name/$db/$dataset_name"_"$subset"_"$db examples/$dataset_name
done上面的
bash 脚本会自动将训练的 ICDAR 2011 的图像文件与对应 label 转换为 lmdb 文件。转换后的文件位置可参见上面脚本的内容。
五、训练步骤请参看博主博文：点击打开链接
