【数据标注处理】

  1、先将下载好的图片训练数据放在models-master/research/images文件夹下,并分别为训练数据和测试数据创建train、test两个文件夹。文件夹目录如下

  使用Tensorflow object detection API——训练模型(Window10系统)

  2、下载 LabelImg 这款小软件对图片进行标注

  3、下载完成后解压,直接运行。(注:软件目录最好不要存在中文,否则可能会报错)

  4、设置图片目录,逐张打开图片,按快捷键W,然后通过鼠标拖拽实现目标物体框选,随后输入物体类别,单张图片多目标则重复操作,目标框选完成后,保存操作。

  5、重复上述操作,直至所有图片完成选定。

使用Tensorflow object detection API——训练模型(Window10系统)

 

 

 

【图片标注数据处理】

  1、打开xml_to_csv.py,修改path 为对应train、test文件夹路径,并运行,在对应目录下将会生成csv文件,将生成的csv文件拷贝到models-master\research\object_detection\data文件夹下。

使用Tensorflow object detection API——训练模型(Window10系统)

 

# -*- coding: utf-8 -*-
"""
Created on Sat Apr 14 10:01:27 2018

@author: Administrator
"""
# -*- coding: utf-8 -*-  
""" 
Created on Tue Jan 16 00:52:02 2018 
@author: Xiang Guo 
将文件夹内所有XML文件的信息记录到CSV文件中 
"""  
  
import os  
import glob  
import pandas as pd  
import xml.etree.ElementTree as ET  

#XML文件路径
pathStr='F:\\模型训练\\img\\train';
  
os.chdir(pathStr)  
path = pathStr  
  
def xml_to_csv(path):  
    xml_list = []  
    for xml_file in glob.glob(path + '/*.xml'):  
        tree = ET.parse(xml_file)  
        root = tree.getroot()  
        for member in root.findall('object'):  
            value = (root.find('filename').text,  
                     int(root.find('size')[0].text),  
                     int(root.find('size')[1].text),  
                     member[0].text,  
                     int(member[4][0].text),  
                     int(member[4][1].text),  
                     int(member[4][2].text),  
                     int(member[4][3].text)  
                     )  
            xml_list.append(value)  
    column_name = ['filename', 'width', 'height', 'class', 'xmin', 'ymin', 'xmax', 'ymax']  
    xml_df = pd.DataFrame(xml_list, columns=column_name)  
    return xml_df  
  
  
def main():  
    image_path = path  
    xml_df = xml_to_csv(image_path)  
    xml_df.to_csv('person.csv', index=None)  
    print('Successfully converted xml to csv.')  
  
  
main()  

View Code