Windows10下Object Detection API实战记录（2）——自己数据集的制作

这几天学习了tensorflow中的Object Detection API，虽然网上有很多资料，但还是采了很多坑，没有找到完整详细的一整套实战记录，所以自己整理这几天的成果。

上一篇博客 Windows10下Object Detection API实战记录(1)——windows10下成功安装TensorFlow Object Detection API（亲测以及踩坑记录）介绍了安装Object Detection API环境的过程，安装完毕之后就可以用它来搭建自己的目标检测模型。

1、准备数据集

之前一篇博客OpenCV实现人脸检测详解实现了孙红雷和黄渤的人脸目标检测，这里我们依旧使用该数据集进行深度学习的实战。数据集分为训练集和测试集（只是记录实战过程所以数据集很少只有50张左右）。
数据集准备完毕！！！

2、数据集的标注

2.1 标注工具安装

标注工具LabelImg的下载地址：https://github.com/tzutalin/labelImg下载，解压，得到LabelImg-master文件。

然后打开终端，进入到LabelImg-master文件下，依次执行以下命令：

conda install pyqt = 5
pyrcc5 -o resources.py resources.qrc
python labelImg.py

既可以打开标注工具进行标注（以后只需要打开终端，进入到LabelImg-master文件夹执行python labelImg.py即可打开标注工具）

2.2图像标注

点击Open Dir打开图像数据所在的位置，点击Change Save Dir选择标注XML文件的存放位置，即可开始标注。（对训练集和测试集数据均进行标注）

为了标注方便，可以更改data文件夹下的predefined_classes.txt文件，将其更改为自己的类别名称，就可以在方框中选择相应类别，比较方便。
最后的得到相应的XML文件。


数据标注完成！！！

3、 数据集格式转换

标注数据之后我们得到训练集和数据集的XML文件，并存放在相应的文件夹。下面要把文件转换为Object Detection API可以识别的数据格式。一共分为两步：xml转cvs；cvs转tfrecord。

3.1xml转cvs

首先附上xml转cvs的代码xml_to_cvs.py

import os
import glob
import pandas as pd
import xml.etree.ElementTree as ET

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():
    # XML文件的位置
    image_path = 'C:/Users/pang/Desktop/Python_Code/tensorflow_object/xqImg_xml/test'
    xml_df = xml_to_csv(image_path)
    # 输出位置及输出的文件名
    xml_df.to_csv('C:/Users/pang/Desktop/Python_Code/tensorflow_object/xqImg_xml/test.cvs', index=None)
    print('Successfully converted xml to csv.')

main()

需要更改的地方有两处：
（1）第28行：XML文件的位置改称自己的XML文件位置
（2）第31行：输出位置及输出的文件名
对train和test都做这样的操作，最后得到test.cvs和train.cvs两个文件。

3.2cvs转tfrecord

直接上代码cvs_to_tfrecord.py：

"""
Usage:
  # From tensorflow/models/
  # Create train data:
  python generate_tfrecord.py --csv_input=data/train_labels.csv  --output_path=train.record

  # Create test data:
  python generate_tfrecord.py --csv_input=data/test_labels.csv  --output_path=test.record
"""
from __future__ import division
from __future__ import print_function
from __future__ import absolute_import

import os
import io
import pandas as pd
import tensorflow as tf

from PIL import Image
from object_detection.utils import dataset_util
from collections import namedtuple, OrderedDict

flags = tf.app.flags
flags.DEFINE_string('csv_input', '', 'Path to the CSV input')
flags.DEFINE_string('output_path', '', 'Path to output TFRecord')
FLAGS = flags.FLAGS


# TO-DO replace this with label map
def class_text_to_int(row_label):
    if row_label == 'sun':
        return 1
    elif row_label == 'huang':
        return 2
    else:
        None


def split(df, group):
    data = namedtuple('data', ['filename', 'object'])
    gb = df.groupby(group)
    return [data(filename, gb.get_group(x)) for filename, x in zip(gb.groups.keys(), gb.groups)]


def create_tf_example(group, path):
    with tf.gfile.GFile(os.path.join(path, '{}'.format(group.filename)), 'rb') as fid:
        encoded_jpg = fid.read()
    encoded_jpg_io = io.BytesIO(encoded_jpg)
    image = Image.open(encoded_jpg_io)
    width, height = image.size

    filename = group.filename.encode('utf8')
    image_format = b'jpg'
    xmins = []
    xmaxs = []
    ymins = []
    ymaxs = []
    classes_text = []
    classes = []

    for index, row in group.object.iterrows():
        xmins.append(row['xmin'] / width)
        xmaxs.append(row['xmax'] / width)
        ymins.append(row['ymin'] / height)
        ymaxs.append(row['ymax'] / height)
        classes_text.append(row['class'].encode('utf8'))
        classes.append(class_text_to_int(row['class']))

    tf_example = tf.train.Example(features=tf.train.Features(feature={
     
        'image/height': dataset_util.int64_feature(height),
        'image/width': dataset_util.int64_feature(width),
        'image/filename': dataset_util.bytes_feature(filename),
        'image/source_id': dataset_util.bytes_feature(filename),
        'image/encoded': dataset_util.bytes_feature(encoded_jpg),
        'image/format': dataset_util.bytes_feature(image_format),
        'image/object/bbox/xmin': dataset_util.float_list_feature(xmins),
        'image/object/bbox/xmax': dataset_util.float_list_feature(xmaxs),
        'image/object/bbox/ymin': dataset_util.float_list_feature(ymins),
        'image/object/bbox/ymax': dataset_util.float_list_feature(ymaxs),
        'image/object/class/text': dataset_util.bytes_list_feature(classes_text),
        'image/object/class/label': dataset_util.int64_list_feature(classes),
    }))
    return tf_example


def main(csv_input, output_path, image_path):
    writer = tf.python_io.TFRecordWriter(output_path)
    path = image_path
    examples = pd.read_csv(csv_input)
    grouped = split(examples, 'filename')
    for group in grouped:
        tf_example = create_tf_example(group, path)
        writer.write(tf_example.SerializeToString())

    writer.close()
    print('Successfully created the TFRecords: {}'.format(output_path))

if __name__ == '__main__':
    # CSV文件的位置
    csv_input = 'C:/Users/pang/Desktop/Python_Code/tensorflow_object/xqImg_xml/test.cvs'
    # TFRecords的输出位置及文件名
    output_path = 'C:/Users/pang/Desktop/Python_Code/tensorflow_object/xqImg_xml/test.record'
    # 图像数据的位置
    image_path = 'C:/Users/pang/Desktop/Python_Code/tensorflow_object/xqImg/test'
    main(csv_input, output_path, image_path)

需要更改的地方有四处：
（1）第30行：class_text_to_int函数，根据自己的具体任务增加或删除相应的标签与整数
（2）第100行：CSV文件的位置，即上一步生成的文件
（3）第102行：TFRecords的输出保存位置及文件名
（4）第104行：图像数据的位置，即原始图片的位置
同样对train和test都做这样的操作，最后得到test.record和train.record两个文件，也是我们用于模型训练的数据。

数据集格式转换完成！！！

自己数据集制作完成！！！

下一步就可以用自己的数据集训练自己的深度学习目标检测模型。