YOLO模型训练自己数据-VOC格式数据集制作-ubuntu c++文件夹内图片批量读取与重命名...

参考）YOLOv2训练自己的数据集（voc格式）进行实验，基本上是正确的，但其初始给出的代码并非是在linux下可以运行的，因此参考部分博客写了下面的程序，可以实现对文件夹内图片的批量读取以及更改名称符合VOC数据集习惯。另原文有部分小错误，本文已经修改，但后文属于转载，版权属原作者所有，本文仅为记录和交流用。如下文所示。

1 准备数据

首先准备好自己的数据集，最好固定格式，此处以VOC为例，采用jpg格式的图像，在名字上最好使用像VOC一样类似000001.jpg、000002.jpg这样。可使用下面示例代码

#include 
#include 
#include 
#include 
#include 
#include 

#define img_num 2000
char img_file[img_num][1000];

int list_dir_name(char* dirname, int tabs)
{
    DIR* dp;
    struct dirent* dirp;
    struct stat st;
    char tab[tabs + 1];
		char img_count=0;

    /* open dirent directory */
    if((dp = opendir(dirname)) == NULL)
    {
        perror("opendir");
        return -1;
    }



    /* fill tab array with tabs */
    memset(tab, '\t', tabs);
    tab[tabs] = 0;

    /**
     * read all files in this dir
     **/
    while((dirp = readdir(dp)) != NULL)

    {
        char fullname[255];
        memset(fullname, 0, sizeof(fullname));

        /* ignore hidden files */
        if(dirp->d_name[0] == '.')
            continue;

        /* display file name */
        //printf("img_name:%s\n", dirp->d_name);

        strncpy(fullname, dirname, sizeof(fullname));
        strncat(fullname, dirp->d_name, sizeof(fullname));
	    strcat(img_file[img_count++], fullname);				
	    printf("Image %3d path:%s\n",img_count-1,img_file[img_count-1]);//fullname=dir+file name,the absolute path of the image file        

				/* get dirent status */
        if(stat(fullname, &st) == -1)
        {
            perror("stat");
            fputs(fullname, stderr);
            return -1;
        }
        /* if dirent is a directory, call itself */
        if(S_ISDIR(st.st_mode) && list_dir_name(fullname, tabs + 1) == -1)
            return -1;
    }
    return img_count;

}

int main(int argc, char* argv[])
{
	char* dir="/home/robot/Downloads/mark_recognition/car_img/simple_3class/";
        printf("%s\n", dir);

        char sum=list_dir_name(dir, 1);
	printf("Img total num:%d\n",sum);

	int i;
	char order[1000];

	char txt_path[1000];
	char* txt_name="train.txt";
	memset(txt_path, 0, sizeof(txt_path));
	strcat(txt_path,dir);
	strcat(txt_path,txt_name);
	FILE *fp = fopen(txt_path, "w");

	for (i = 0; i

准备好了自己的图像后，需要按VOC数据集的结构放置图像文件。VOC的结构如下

 --VOC
     --Annotations
     --ImageSets
       --Main
       --Layout
       --Segmentation
     --JPEGImages
     --SegmentationClass
     --SegmentationObject

      这里面用到的文件夹是 Annotations、ImageSets和JPEGImages。其中文件夹 Annotation中主要存放xml文件，每一个xml对应一张图像，并且每个xml中存放的是标记的各个目标的位置和类别信息，命名通常与对应的原始图像一样；而ImageSets我们只需要用到Main文件夹，这里面存放的是一些文本文件，通常为train.txt、test.txt等，该文本文件里面的内容是需要用来训练或测试的图像的名字（无后缀无路径）；JPEGImages文件夹中放我们已按统一规则命名好的原始图像。

      因此，首先

      1.新建文件夹VOC2007（通常命名为这个，也可以用其他命名，但一定是名字+年份，例如MYDATA2016，无论叫什么后面都需要改相关代码匹配这里，本例中以 VOC2007为例）

      2.在VOC2007文件夹下新建三个文件夹 Annotations、ImageSets和JPEGImages，并把准备好的自己的原始图像放在JPEGImages文件夹下

      3.在ImageSets文件夹中，新建三个空文件夹Layout、Main、Segmentation，然后把写了训练或测试的图像的名字的文本拷到Main文件夹下，按目的命名，我这里所 有图像用来训练，故而Main文件夹下只有train.txt文件。上面代码运行后会在图片文件夹内生成该文件，把它拷进去即可。

2 标记图像目标区域

       因为做的是目标检测，所以接下来需要标记原始图像中的目标区域。相关方法和工具有很多，这里需用 labelImg，相关用法也有说明，基本就是框住目标区域然后双击类别，标记完整张图像后点击保存即可。操作界面如下：

通常save之后会将标记的信息保存在xml文件，其名字通常与对应的原始图像一样。最后生成的画风是这样的

其中每个xml文件是这样的画风

 xml version="1.0" ?>
 <annotation>
     <folder>JPEGImagesfolder>
     <filename>00000filename>
     <path>/home/kinglch/VOC2007/JPEGImages/00000.jpgpath>
     <source>
         <database>Unknowndatabase>
     source>
     <size>
         <width>704width>
         <height>576height>
         <depth>3depth>
     size>
     <segmented>0segmented>
     <object>
         <name>personname>
         <pose>Unspecifiedpose>
         <truncated>0truncated>
         <difficult>0difficult>
         <bndbox>
             <xmin>73xmin>
             <ymin>139ymin>
             <xmax>142xmax>
             <ymax>247ymax>
         bndbox>
     object>
     <object>
         <name>personname>
         <pose>Unspecifiedpose>
         <truncated>0truncated>
         <difficult>0difficult>
         <bndbox>
             <xmin>180xmin>
             <ymin>65ymin>
             <xmax>209xmax>
             <ymax>151ymax>
         bndbox>
     object>
     <object>
         <name>personname>
         <pose>Unspecifiedpose>
         <truncated>0truncated>
         <difficult>0difficult>
         <bndbox>
             <xmin>152xmin>
             <ymin>70ymin>
             <xmax>181xmax>
             <ymax>144ymax>
         bndbox>
     object>
 annotation>

注意filename中文件的文件名名没有后缀，因此需要统一加上后缀。只需一段命令即可

 find -name '*.xml' |xargs perl -pi -e 's||.jpg|g'

有时候在Windows下用该工具label图像，可能会出现size那里的width和height都为0，如果在label之前已经归一化了图像大小那么就可以用下面两行命令来修改这个0值
同理修改宽：

 find -name '*.xml' |xargs perl -pi -e 's|0|448|g'

同理修改高：

 find -name '*.xml' |xargs perl -pi -e 's|0|448|g'

在对应目录下执行即可，这样就可以把后缀添上。这样就做按照VOC做好了我们的数据集，接下来就是放到算法中去训练跑起来。

3 用YOLOv2训练

1).生成相关文件

    按darknet的说明编译好后，接下来在darknet-master/scripts文件夹中新建文件夹VOCdevkit，然后将整个VOC2007文件夹都拷到VOCdevkit文件夹下。

    然后，需要利用scripts文件夹中的voc_label.py文件生成一系列训练文件和label，具体操作如下：

    首先需要修改voc_label.py中的代码，这里主要修改数据集名，以及类别信息，我的是VOC2007，并且所有样本用来训练，没有val或test，并且只检测人，故只有一类 目标，因此按如下设置

import xml.etree.ElementTree as ET  
import pickle  
import os  
from os import listdir, getcwd  
from os.path import join  
  
#sets=[('2012', 'train'), ('2012', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007', 'test')]  
  
#classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]  
  
sets=[('2007', 'train')]  
classes = [ "person"]  
  
  
def convert(size, box):  
    dw = 1./size[0]  
    dh = 1./size[1]  
    x = (box[0] + box[1])/2.0  
    y = (box[2] + box[3])/2.0  
    w = box[1] - box[0]  
    h = box[3] - box[2]  
    x = x*dw  
    w = w*dw  
    y = y*dh  
    h = h*dh  
    return (x,y,w,h)  
  
def convert_annotation(year, image_id):  
    in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id))  #（如果使用的不是VOC而是自设置数据集名字，则这里需要修改）  
    out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id), 'w')  #（同上）  
    tree=ET.parse(in_file)  
    root = tree.getroot()  
    size = root.find('size')  
    w = int(size.find('width').text)  
    h = int(size.find('height').text)  
  
    for obj in root.iter('object'):  
        difficult = obj.find('difficult').text  
        cls = obj.find('name').text  
        if cls not in classes or int(difficult) == 1:  
            continue  
        cls_id = classes.index(cls)  
        xmlbox = obj.find('bndbox')  
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))  
        bb = convert((w,h), b)  
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')  
  
wd = getcwd()  
  
for year, image_set in sets:  
    if not os.path.exists('VOCdevkit/VOC%s/labels/'%(year)):  
        os.makedirs('VOCdevkit/VOC%s/labels/'%(year))  
    image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()  
    list_file = open('%s_%s.txt'%(year, image_set), 'w')  
    for image_id in image_ids:  
        list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id))  
        convert_annotation(year, image_id)  
    list_file.close()

修改好后在该目录下运行命令：python voc_label.py，之后则在文件夹scripts\VOCdevkit\VOC2007下生成了文件夹lable，该文件夹下的画风是这样的

这里包含了类别和对应归一化后的位置（i guess，如有错请指正）。同时在scripts\下应该也生成了train_2007.txt这个文件，里面包含了所有训练样本的绝对路径。

2).配置文件修改

      做好了上述准备，就可以根据不同的网络设置（cfg文件）来训练了。在文件夹cfg中有很多cfg文件，应该跟caffe中的prototxt文件是一个意思。这里以tiny-yolo-voc.cfg为例，该网络是yolo-voc的简版，相对速度会快些。主要修改参数如下

 .
 .
 .
 [convolutional]
 size=1
 stride=1
 pad=1
 filters=30  //修改最后一层卷积层核参数个数，计算公式是依旧自己数据的类别数filter=num×（classes + coords + 1）=5×（1+4+1）=30
 activation=linear

 [region]
 anchors = 1.08,1.19,  3.42,4.41,  6.63,11.38,  9.42,5.11,  16.62,10.52
 bias_match=1
 classes=1  //类别数，本例为1类
 coords=4
 num=5
 softmax=1
 jitter=.2
 rescore=1

 object_scale=5
 noobject_scale=1
 class_scale=1
 coord_scale=1

 absolute=1
 thresh = .6
 random=1

另外也可根据需要修改learning_rate、max_batches等参数。这里歪个楼吐槽一下其他网络配置，一开始是想用tiny.cfg来训练的官网作者说它够小也够快，但是它的网络配置最后几层是这样的画风：

 [convolutional]
 filters=1000
 size=1
 stride=1
 pad=1
 activation=linear

 [avgpool]

 [softmax]
 groups=1

 [cost]
 type=sse

这里没有类别数，完全不知道怎么修改，强行把最后一层卷积层卷积核个数修改又跑不通会出错，如有大神知道还望赐教。

     修改好了cfg文件之后，就需要修改两个文件，首先是data文件下的voc.names。打开voc.names文件可以看到有20类的名称，本例中只有一类，检测人，因此将原来所有内容清空，仅写上person并保存, 备注：若此处为多个类的训练，请同voc_label.py 中顺序一致。

      接着需要修改cfg文件夹中的voc.data文件。也是按自己需求修改，我的修改之后是这样的画风：

 classes= 1  //类别数
 train  = /home/kinglch/darknet-master/scripts/2007_train.txt  //训练样本的绝对路径文件，也就是上文2.1中最后生成的
 //valid  = /home/pjreddie/data/voc/2007_test.txt  //本例未用到
 names = data/voc.names  //上一步修改的voc.names文件
 backup = /home/kinglch/darknet-master/results/  //指示训练后生成的权重放在哪

修改后按原名保存最好，接下来就可以训练了。

ps：yolo v1中这些细节是直接在源代码的yolo.c中修改的，源代码如下

比如这里的类别，训练样本的路径文件和模型保存路径均在此指定，修改后从新编译。而yolov2似乎摈弃了这种做法，所以训练的命令也与v1版本的不一样。

3).运行训练and 测试

      上面完成了就可以命令训练了，可以在官网上找到一些预训练的模型作为参数初始值，也可以直接训练，训练命令为

./darknet detector train ./cfg/voc.data cfg/tiny-yolo-voc.cfg

   测试命令:

./darknet detector test cfg/voc.data cfg/tiny-yolo-voc.cfg result/yolo-voc_400.weights testImage/738780.jpg

     或者

./darknet detector test cfg/voc.data cfg/tiny-yolo-voc.cfg results/tiny-yolo-voc_final.weights 0000.jpg

转载于:https://www.cnblogs.com/siahekai/p/11000795.html