labelImg之后的文件转成TFrecord格式供tensorflow调用（create_pet_tf_record.py函数）

参考文献：1.https://www.cnblogs.com/leedaily/p/8286981.html
2.https://www.jianshu.com/p/3b472539b88a
create_pet_tf_record.py自动提30%样本作为验证样本，比create_pascal_tf_record.py简洁。
中间遇到了好多麻烦（proto和slim没装，用到物体分类，必须装这两个。而且object_detection\protos文件夹下的所有proto文件都得一个一个的转成.py文件），没有合适的标注资源，最后在这两篇的指导下用tensorflow自带的pet_label_map.pbtxt（在object_detection\data文件夹里，内容见图1）和trainval.txt（文献2的资源里带的，内容见图2，tesorflow里没找到这个，https://blog.csdn.net/c2a2o2/article/details/78447784玩具检查给的资源里缺这个，没发转，另外他弄的名字都没下划线是步行的）加上参考文献2提供的资源获得了成功（注意，pet_label_map.pbtxt里面的类不要删，测试会出错误）。并自己手动改了手头的一例资源，也成功了！
图1
图2
新建PETSSelf文件夹（图3），把从文献2下载下来的资源（标注好的文件包括.jpg和.xml；其中.jpg在images文件夹中，.xml在annotations文件夹的xmls子文件夹中，trainval.txt在annotations文件夹下）都放在这下面（图4），注意结构不能变。
图3

图4
images文件夹内容如下：图5
annotations文件夹内容如图6：
图6
xmls文件夹内放的就是标注时生成的xml文件（记载着文件名和ROI区域） 如图7 图7
其中的一个xml展开如图8：图8（这里面有用的只有filename段和bndbox段，其它不用管。包括labelImg标注时还自动生产一个path段，也不用管它，不会产生任何影响）
接下来pet_label_map.pbtxt（大小2KB）放到新建的data文件夹下面，如图9所示：
图9

用到的主函数create_pet_tf_record.py在object_detection\dataset_tools文件夹下，拷贝到object_detection文件夹同一级运行。参数如图10所示。
图10
create_pet_tf_record.py --label_map_path=data/pet_label_map.pbtxt --data_dir=PETSSelf --output_dir=PETSSelf
成功以后输出如图11
图11
PETSSelf文件夹里多处两个record文件，说明成功，如图12
图12
通过上面的例子，本人总结如下：
1. annotations 和images文件夹要放在同一个父文件夹下，输入输出的参数指定到这个父文件夹即可。
2. trainval.txt必不可少，且要放在annotations文件夹下
3. 像参考文献1说的那样，所有名字包括jpg图片和xml文件都得加下划线，标注时要注意命名规则
4. annotations 和images文件夹里的文件要同样多，且一一对应
5. pbtxt文件必不可少，用几个类写几个类不能少也不要多
6. xml文件不能直接放在annotations文件夹下，要放在其中建一个子文件夹xmls，放到此子文件夹下
7. 参数三个分别是pbtxt文件，输入路径（ annotations 和images文件夹的父文件夹），输出路径（随意，一般同前）。
我自己动手弄的例子也转成功了。主要区别部分截图如下：

上图xml文件跟例子不同，多了path段（之所以说，是因为labelImg出来的xml都有路径段，不用管它的），其实这是别人的，我电脑上也没此路径，我没管它，可以的。
就一类的识别。
输入指令(注意我自己建的pbtxt)：create_pet_tf_record.py --label_map_path=data/toy_label_map.pbtxt --data_dir=PETSSelf --output_dir=PETSSelf
大功告成。
一个训练集一个测试集数据，写到config文件中，再带上coo模型，就可以开始训练了，当然还有前面的pbtxt文件。