【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
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。
【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。
# -*- 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
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:使用Tensorflow object detection API——训练模型(Window10系统) - Python技术站