Pascal Voc2012数据集中segmention数据转化为pkl文件

    Pascal Voc2012数据集在object detection 和 instance segmention都具有较大的作用，并且相比于COCO来说，它比较小，更加适合像我这种穷学生操作。COCO实在是太大了，在本地还是在服务器上操作都太难受了，之前在服务器上下载COCO都花了几天的时间，在本地使用的linux和window双系统，给linux就分配了200G，这要是下载一个数据集就把我磁盘容量用完。。

    Pascal Voc2012数据集的结构:

    把VOC2012下载下来后，打开VOC2012这个文件夹，里面有如下几个文件夹：

    分别简单的说下各个文件夹里面的内容吧。

    Annotations中是各个图的标注，包括了2007-2012年所有的标注，总共有17125项。

	VOC2012
	2007_000323.jpg
	
		The VOC2007 Database
		PASCAL VOC2007
		flickr
	
	
		500
		375
		3
	
	1
	
	

    在2007_000323.jpg这张图里面有两个object。每个object下包括了它的bndbox，第一个是xmin=277,ymin=3,xmax=500,ymax=375；第二个是xmin=12,ymin=3,xmax=305,ymax=375。

这个是很一般的一个标注，在VOC2012中也存在人体姿态的标注，在使用时需要注意：

	VOC2012
	2007_000272.jpg
	
		The VOC2007 Database
		PASCAL VOC2007
		flickr
	
	
		333
		500
		3
	
	0
	

可以看出加入了人的head 和 hand的姿态标注。之前编程查找bounding box的时候还被这个坑了。

还需要注意的是，在2007-2008年的标注中bounding box的顺序是

			25
			71
			304
			500

在2009-2012年的标注中bounding box的顺序是：

			476
			52
			332
			71

ImageSets这个文件夹暂时用不上，所以我也没有取管他具体意义，我就略过了。

接下里就是JPEGImages文件夹，里面是所有的原图像，故它里面也是17125项。随便贴一张

   SegmentationClass中存的是用于语义分割的标注图，也瞎贴一张，总共2913项。

    最后一个文件夹是实例分割用到的标注图，瞎贴一张，总共2913项。

    做过计算机视觉这一块的人应该很清楚语义分割和实例分割的区别，图中也给出来了。

因为我需要用它来训练Mask R-CNN，所以我需要的是segmentation的图片，用到的文件夹就包括了三个：Annotation、JPEGImages、SegmentationObject。

接下来就实现如何把segmentation图片和原图片以及标准整合到一个pkl文件中。

代码实现整合：

1.读取必要的库和必要的参数定义:

import cv2

import glob

import os

import numpy as np

import scipy.misc

import scipy.ndimage

import matplotlib.pyplot as plt

import pickle

import sys

from xml.etree import ElementTree

base_path = os.getcwd()

# 调整图片大小

IMAGE_MIN_DIM = 512

IMAGE_MAX_DIM = 512

year = "2012"

Object_path = glob.glob( './VOCdevkit_ %s /VOC %s /SegmentationObject/*.png' % (year,year))

np.random.shuffle(Object_path) # 数据随机打乱

Image_path = './VOCdevkit_ %s /VOC %s /JPEGImages' % (year,year)

Annotations_path = './VOCdevkit_ %s /VOC %s /Annotations' % (year,year)

2.解析xml文件函数定义：

#从标注中得到图片中每个实例对应的类别及其每个实例的bounding box

df analyze_xml( file_name = None ):

class_name = []

rectangle_position = []

tree = ElementTree.parse(file_name)

root = tree.getroot()

for object_tree in root.findall( "object" ):

for bounding_box in object_tree.iter( "bndbox" ):

xmin = int (bounding_box.find( "xmin" ).text)

ymin = int (bounding_box.find( "ymin" ).text)

xmax = int (bounding_box.find( "xmax" ).text)

ymax = int (bounding_box.find( "ymax" ).text)

postion = [xmin, ymin, xmax, ymax]

rectangle_position.append(postion)

one_class = object_tree.find( "name" ).text

class_name.append(one_class)

return class_name, rectangle_position

这个没有包括人体的姿态部分的bounding box，稍微修改一下就可以实现解析出人体姿态的bounding box

def analyze_xml ( file_name = None ):

class_name = []

rectangle_position = []

part_class = []

part_position = []

tree = ElementTree.parse(file_name)

root = tree.getroot()

for object_tree in root.findall( "object" ):

#寻找object_tree下一级的bndbox

for bounding_box in object_tree.iter( "bndbox" ):

xmin = int (bounding_box.find( "xmin" ).text)

ymin = int (bounding_box.find( "ymin" ).text)

xmax = int (bounding_box.find( "xmax" ).text)

ymax = int (bounding_box.find( "ymax" ).text)

for part in object_tree.findall( "part" ):

for part_box in part.iter( "bndbox" ):

xmin = int (part_box.find( "xmin" ).text)

ymin = int (part_box.find( "ymin" ).text)

xmax = int (part_box.find( "xmax" ).text)

ymax = int (part_box.find( "ymax" ).text)

part_ps = [xmin, ymin, xmax, ymax]

part_position.append(part_ps)

part_cls = part.find( "name" ).text

part_class.append(part_cls)

postion = [xmin, ymin, xmax, ymax]

rectangle_position.append(postion)

one_class = object_tree.find( "name" ).text

class_name.append(one_class)

return class_name, rectangle_position, part_class, part_position

获得object 的全部class：

###得到全部的类别

def analyze_xml_class ( file_names , class_name = []):

'''解析xml的所有类别'''

for file_name in file_names:

with open (file_name) as fp:

for p in fp:

if '