【深度学习】计算机视觉（11）——Faster RCNN（工具篇）

本文针对tensorflow版本Faster R-CNN，为前文提供相关技术支持。
（因为二位数用大写实在是不好看，所以标题换成阿拉伯计数了）

我的系统：Ubuntu 20.04.3 LTS (GNU/Linux 5.4.0-131-generic x86_64)

1 gcc编译报错

这里主要附上我在解决gcc/g++编译报错时的办法。

1.1 错误提示“ld: cannot find -lm/-lc/-lpthread”

出现如下报错：

/root/miniconda3/compiler_compat/ld: cannot find -lm
/root/miniconda3/compiler_compat/ld: cannot find -lc
/root/miniconda3/compiler_compat/ld: cannot find -lpthread
collect2: error: ld returned 1 exit status
error: command 'g++' failed with exit status 1

下面的解决方法可以直接跳至第三步，如果未解决再回到第一步挨个做，因为我做的步骤太多了，不知道前几步是否也很关键。

1.2 解决方法：安装glibc工具

第一步，根据查阅到的教程，似乎是缺少glibc工具，需要下载。我分别使用命令：

sudo apt-get update
sudo apt-get install --reinstall build-essential
sudo apt-get upgrade

上述命令是为了更新本地的各种包，接下来准备安装glibc-static，使用命令：

sudo apt-get install glibc-static

但是一直提示找不到这个路径，显示错误提示如下：

E:unable to locate package

1.3 解决方法：修改sources.list

第二步，为了解决unable to locate package，首先进入目录/etc/apt，查看当前目录下是否有sources.list文件，改写文件内容。使用ls命令可查看当前目录下的所有内容，具体演示如下：

使用命令vi sources.list进入文件编辑器，粘贴以下内容：

# deb cdrom:[Debian GNU/Linux 7.0 _Kali_ - Official Snapshot i386 LIVE/INSTALL $

# deb cdrom:[Debian GNU/Linux 7.0 _Kali_ - Official Snapshot i386 LIVE/INSTALL $

## Security updates

deb http://http.kali.org/ /kali main contrib non-free

deb http://http.kali.org/ /wheezy main contrib non-free

deb http://http.kali.org/kali kali-dev main contrib non-free

deb http://http.kali.org/kali kali-dev main/debian-installer

deb-src http://http.kali.org/kali kali-dev main contrib non-free

deb http://http.kali.org/kali kali main contrib non-free

deb http://http.kali.org/kali kali main/debian-installer

deb-src http://http.kali.org/kali kali main contrib non-free

deb http://security.kali.org/kali-security kali/updates main contrib non-free

deb-src http://security.kali.org/kali-security kali/updates main contrib non-fr$

（按i键进行编辑操作，按ESC键退出编辑进入命令操作，命令操作输入:wq即可保存并退出）

然后像依次使用命令再次进行安装：

sudo apt-get update
sudo apt-get upgrade
sudo apt-get install glibc-static

但是仍然无法安装glibc-static。因此我又重新查找针对解决cannot find -lxxx问题的教程。

1.4 解决方法：软连接

---

在此之前我忘记了软连接的存在，因为除了上课学过之后再也没用过。软连接在Linux里通俗讲就是windows系统的快捷方式，我在学习的过程中有很多地方都用到了软连接。简单来说，使用命令`ln -sv a路径/x文件 b路径/y文件`可以在b路径建立一个x文件的软连接，重命名为y。

---

回到正题，第三步，建立软连接。

首先要明确一点，以cannot find -lm为例，lm的全称指libm（省略了ib），类似地，lc指libc、lpthread指libpthread。报错提示/usr/lib目录下找不到对应文件，因此需要在该目录下创建，我们对于每个错误逐个去解决。下面的方案仍以lm为例。

首先需要找到libm.so文件，使用命令：

find / -name "*libm.so"

找到libm.so文件的绝对路径为：/usr/lib/x86_64-linux-gnu/libm.so，然后需要进入/usr/lib目录，建立/usr/lib下的libm.so，分别使用命令：

cd /usr/lib
ln -sv /usr/lib/x86_64-linux-gnu/libm.so libm.so

显示'libm.so' -> '/usr/lib/x86_64-linux-gnu/libm.so'即为成功。其他同理，再次运行setup.py即可解决。

注意一定要进入/usr/lib下生成软连接，否则还是会报错。如果目录进入错误，可以先进入错误目录使用unlink libm.so删除错误的软连接。

这里关于软连接的问题补充一个用法，我在测试tensorflow能否使用GPU的时候提示libstdc++.so.6中缺少CXXABI 1.3.8，通过查找发现libstdc++.so.6.0.28中有我们需要的CXXABI 1.3.8，此处也是通过删除原目录的libstdc++.so.6文件，建立libstdc++.so.6.0.28的软连接给libstdc++.so.6。

2 Permission denied

在执行.sh文件时遇到报错提示Permission denied。可以先使用命令ls -al查看当前目录下的所有文件的详细信息。每个文件都包含10个参数----------（“-“用于占位）。例如-rwxr-xr-x表示第2、5、8位参数为"r”；第3位参数为"w”；第4、7、10位参数为"x"。每位参数都有其具体的含义：

• 第1位（与解决方案无关，暂不关心）；
• 第2、3、4位：属于角色user的权限；
• 第5、6、7位：属于group的权限；
• 第8、9、10位：属于others的权限。

每三位分为1组，三个字母排列类似于二进制位，每组字母从左到右分别为r、w、x，表示：

• r：可读（对应10进制为4）；
• w：可写（对应10进制为2）；
• x：可执行（对应10进制为1）。

使用chmod给fetch_faster_rcnn_models.sh文件重新设置权限：

chmod 755 fetch_faster_rcnn_models.sh

那么"755"就分别对应user、group、other的权限。

• 7 = 4 + 2 + 1 = r + w + x ，表示user拥有全部权限；
• 5 = 4 + 0 + 1 = r + 0 + x，表示group拥有读和执行权；
• 5 = 4 + 0 + 1 = r + 0 + x，表示others拥有读和执行权；

比如我在执行时遇到问题：-bash: ./tools/demo.py: Permission denied。先进入tools中使用ls -all查看目录详情，发现用户没有执行demo的权利，使用命令chmod 755 demo.py后再次用ls -all查看，两次结果分别为：

-rw-r--r-- 1 root root 5309 Sep 27  2021 demo.py

-rwxr-xr-x 1 root root 5309 Sep 27  2021 demo.py

3 运行报错

3.1 module ‘tensorflow’ has no attribute ‘×××’

这是由于tensorflow2.0与1.0存在差异出现的问题。

解决方法：
如果遇到类似本题目的报错，直接将import tensorflow as tf改成import tensorflow.compat.v1 as tf（忽略红线报错），即可使用1.0版本的tensorflow。然后必须再在所有import结束后添加tf.disable_v2_behavior()表示忽略2.0版本，不然还会有别的错误。

3.2 No module named ‘tensorflow.contrib’

运行时遇到报错：No module named 'tensorflow.contrib'，因为tensorflow新版本已经没有contrib了，但是提供了替代contrib的包ty-slim。

解决方法：
使用命令pip install tf-slim下载。将代码中所有from tensorflow.contrib import ...都改成from tf_slim import ...，即可解决无tensorflow.contrib的问题。

注意有时候不是从tensorflow.contrib引其他包，而是先引了tensorflow再从tensorflow中引contrib，会报错 module ‘tensorflow’ has no attribute ‘contrib’。诸如这类情况不要落下，先import tf_slim as slim，再将代码中的tf.contrib全部改为slim。

关于contrib还存在一些特殊情况，引包的方式存在额外变化，例如下面的代码不仅替换了tf.contrib还删除了.layers。在遇到类似报错但无法解决的情况可自行查阅。

# 修改前
weights_regularizer = tf.contrib.layers.l2_regularizer(cfg.FLAGS.weight_decay)
# 修改后
weights_regularizer = slim.l2_regularizer(cfg.FLAGS.weight_decay)

还比如from tensorflow.contrib.slim.nets import resnet_v1 改为from tf-slim.nets import resnet_v1。

3.3 补充module ‘tensorflow’ has no attribute ‘×××’

关于tensorflow版本问题的报错还有另一种情况。

from tensorflow.python import pywrap_tensorflow
 
XXX = pywrap_tensorflow.NewCheckpointReader(XXX)

改为：

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

XXX = tf.train.NewCheckpointReader(XXX)

3.4 assert (boxes[:, 2] >= boxes[:, 0]).all()

这里解释的代码是CPU版本的，和GPU版本原理大致相同，具体文件结构不影响理解。

这部分代码的目的是旋转图片已经对应的框，是一个数据增强的做法。boxes是标注的bounding box，这里是要检查右下角坐标是否大于左上角坐标，只要检查到不符合就报错，当出现assert (boxes[:, 2] >= boxes[:, 0]).all()问题时，可能是自己的数据集标注出现矩形越界，导致后面的计算溢出。点击报错提示定位到报错代码，如图：

在assert (boxes[:, 2] >= boxes[:, 0]).all()上一行添加print(self.image_index[i])，可以输出当前正在处理的图片，查看出错的图片是哪一张。找到输出的最后一行，即是出错图片的文件名，例如我这里最后一行输出的是717_0148，则图片717_0148.jpg有问题。（再次强调我这里图片命名不符合标准）

• 如果不放心自己的数据，先检查Annotations中每个x_max和y_max是否超出图片边界，可查看该图片Annotations文件中的size标签找到图片尺寸。
• 如果数据出错的可能性比较小，则先检查Annotations中左上角坐标（x,y）有没有为0的情况，同时Faster-RCNN在处理数据集时，为了使像素以0为起点，每个bbox的坐标都减1有没有修改，如果数据里有坐标为0，这时由于0 -1 = 65535，就会出现上述问题。

可以再添加if判断语句，输出该图片经调整后的所有bounding box值。

			print(self.image_index[i])
			"""
			# 找到报错图片后，添加判断语句：
            if self.image_index[i] == '717_0148':
                print(boxes[:, :])
            """
            assert (boxes[:, 2] >= boxes[:, 0]).all()

查看所有的boxes[ : , : ]输出，boxes[ : , 0 ] 至 boxes[ : , 3 ] 分别是x_min、y_min、x_max、y_max，果然我发现出现了x_min为65535的情况。我规范了所有文件的坐标起点设置，y_min出现65535的情况已经全部解决，但是x_min依然存在65535，可能是因为计算的过程中存在误差。

解决方案：
可以在boxes[:, 2] = widths[i] - oldx1 - 1下加入代码：

for b in range(len(boxes)):
  if boxes[b][2]< boxes[b][0]:
    boxes[b][0] = 0

注意，关于为什么0-1=-1在这里是65535的问题，我通过debug查看了boxes的数据类型，是unit16（无符号整数），之前“明明python可以处理负数”的疑问解决。

3.5 ResourceExhaustedError: OOM

解决完所有的报错后，发生了一个非常尴尬的事情，显卡内存不足报错。即使换成小的batch_size也无法解决。

解决办法：更换实验环境。

4. 数据集制作

项目指定了复杂的文件路径以及文件夹命名规则，其中的VOC是一种数据集的格式，我们要把自己的数据按照VOC指定的格式设置。

数据集格式-YOLOv5

由于在学习Faster R-CNN时用到的是VOC2007格式的数据集，所以以我目前的学习任务为中心简单介绍一下其他的内容，便于更好地理解和使用，可能有不全或者不准确的地方。

YOLO格式的数据集直观地看比较简单。数据集文件夹共有两个子文件夹，一个是 images ，一个是 labels ，分别存放图片与标签txt文件，并且 images与labels的目录结构需要对应，因为yolo是先读取images图片路径，随后直接将images替换为labels来查找标签文件 。如下所示：

labels中的文件为每张图片对应的txt文件，其中的数据格式是：cls_id x y w h 其中坐标(x,y)是中心点坐标，注意是相对于图片宽高的比例值 ，而非绝对坐标。另外，labels中还有一个classes.txt文件，按行排列了n个分类对应从0到n-1的类标号（我也不知道是不是yolo的标准，反正我获得的labels文件夹中有classes.txt，如果你没有，那后面相关内容自己动态调整）。

数据集格式-VOC2007

VOC数据是 PASCAL VOC Challenge 用到的数据集，PASCAL VOC挑战赛 （The PASCAL Visual Object Classes ）是一个世界级的计算机视觉挑战赛，主要包括以下几类：图像分类(Object Classification)、目标检测(Object Detection)、目标分割(Object Segmentation)、行为识别(Action Classification) 等。
训练集的文件结构大致如下（测试集同理，使用test.txt文件）：

VOC_ROOT     #根目录
    ├── JPEGImages         # 存放源图片
    │     ├── aaaa.jpg     
    │     ├── bbbb.jpg  
    │     └── cccc.jpg
    ├── Annotations        # 存放xml文件，与JPEGImages中的图片对应，包含图片的label信息
    │     ├── aaaa.xml 
    │     ├── bbbb.xml 
    │     └── cccc.xml 
    ├── ImageSets          
    │     ├── Layout
    │     ├── Segmentation
    │     └── Main
    │          ├── train.txt    # txt文件中每一行包含一个图片的名称
    │          ├── val.txt
    │          └── trainval.txt
    ├── SegmentationClass
    └── SegmentationObject

其中SegmentationObject和SegmentationClass都是专门为 Segmentation任务做的一个文件夹，此处暂时不作详解。由于JEPEImages中存放源图片，所以也没必要细述，下面会详细讲解Annotations和ImageSets。

① Annotations

Annotations目录中存放的是标注数据，VOC的标注是xml格式的，文件名与JPEGImages中的图片一一对应。
每个xml对应JPEGImage中的一张图片，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，以（x,y）的格式保存坐标点。

xml文件格式如下：

<annotation>  
    <folder>VOC2007folder>                             
    <filename>2007_000392.jpgfilename> //文件名  
    <source>                             //图像来源（不重要，可以省略）  
        <database>The VOC2007 Databasedatabase>  
        <annotation>PASCAL VOC2007annotation>  
        <image>flickrimage>  
    source>  
    <size>                              //图像尺寸（宽长以及通道数）                        
        <width>500width>  
        <height>332height>  
        <depth>3depth>  
    size>  
    <segmented>1segmented>            //是否用于分割（在图像物体识别中是0还是1都无所谓）  
    <object>                            //检测到的第1个物体  
        <name>horsename>              //物体类别  
        <pose>Rightpose>              //拍摄角度，如果是自己的数据集就Unspecified
        <truncated>0truncated>        //是否被截断（默认为0表示完整）  
        <difficult>0difficult>        //目标是否难以识别（默认为0表示容易识别）  
        <bndbox>                        //bounding-box坐标  
            <xmin>100xmin>  
            <ymin>96ymin>  
            <xmax>355xmax>  
            <ymax>324ymax>  
        bndbox>  
    object>  
    <object>                             //检测到的第2个物体  
        <name>personname>  
        <pose>Unspecifiedpose>  
        <truncated>0truncated>  
        <difficult>0difficult>  
        <bndbox>  
            <xmin>198xmin>  
            <ymin>58ymin>  
            <xmax>286xmax>  
            <ymax>197ymax>  
        bndbox>  
    object> 
    ......
annotation> 

② ImageSets

这个文件夹是图像集合，其中的三个文件夹Layout 、 Main、 Segmentation对应VOC3 challenge 3类不同的任务，在Main中包含分类和检测任务要用到的图像集合，即我此时主要的关注点（其他两个目前用不到，可以为空），显然train表示的是训练集，val表示的是验证集，trainval是前两者的集合。每个txt文件中，有若干行，每行对应JPEGImages一个图片的文件名（不包含图片后缀），表示要训练的图片。

Main文件夹中，除了可以包含train.txt、val.txt、trainval.txt三个文件外，还可以包含按照类别进行的训练任务文件，例如猫狗二分类问题中包含9个文件，分别为：cat_train.txt、cat_val.txt、cat_trainval.txt、dog_train.txt、dog_val.txt、dog_trainval.txt、train.txt、val.txt、trainval.txt。注意带有分类的6个txt文件中每一行除了包含图像ID外，后面还跟了一个数字（有-1、1、0三种选择），-1表示当前图像中没有该类物体、1 表示当前图像中有该类物体、0 表示当前图像中没有或只有一部分。

③ 注意事项

需要注意的是图片和xml文件都要为000001.jpg,000001.xml的六位数命名格式，一一对应，所有类别放在一起。

YOLO → VOC

当我已经获得YOLO格式的数据集，想办法如何建立VOC格式的数据集。一个一个标可能要不吃不喝标好久。可以使用代码：

from xml.dom.minidom import Document
import os
import cv2


def makexml(picPath, txtPath, xmlPath):
    """
    此函数用于将yolo格式txt标注文件转换为voc格式xml标注文件
    picPath：图片所在的文件夹路径
    txtPath：txt文件所在的文件夹路径
    xmlPath：xml文件保存路径
    """

    dic = {'0': "cat",
           '1': "dog"
           }  # 创建字典用来对类型进行转换
    # 此处的字典要与自己的classes.txt文件中的类对应，且顺序要一致

    files = os.listdir(txtPath)  # 打开txt所在文件夹
    for i, name in enumerate(files):  # i为序号，name为txt文件名字（包括后缀）

        if name == "classes.txt":
            break  # 因为label文件夹里还有一个classes.txt文件，所以要跳过

        # 每一次files循环对应一个label信息
        txtFile = open(txtPath + '\\' + name)  # 打开第i个txt文件
        txtList = txtFile.readlines()  # 获取文件中的内容，按照换行分割并存储

        # 每一次files循环对应一张图片
        for root, dirs, filename in os.walk(picPath):  # 获取对应的图片，因为这里没有子文件夹，所以for只循环一次
            """
            os.walk(path)会遍历path路径以及path路径目录下所有的子目录，类似深度优先搜索的遍历方式
            os.walk(path)返回三个参数，用now_path表示目前所在的位置（第一次遍历时now_path = path）：
                root：now_path的绝对路径
                dirs：now_path中包含的文件夹，存储在数组中
                filename：now_path中包含的文件，存储在数组中
            """
            img = cv2.imread(root + '\\' + filename[i])

        # 每一次循环对应一个annotation
        xmlBuilder = Document()  # 新建一个Document对象
        annotation = xmlBuilder.createElement("annotation")  # 创建annotation标签对象
        xmlBuilder.appendChild(annotation)  # 在文件里添加annotation作为子对象

        folder = xmlBuilder.createElement("folder")  # 创建folder标签对象
        foldercontent = xmlBuilder.createTextNode("Annotations")  # 创建foldercontent文本对象，此处为xml所在文件夹名字
        folder.appendChild(foldercontent)  # 在folder对象里添加子对象foldercontent
        annotation.appendChild(folder)  # 在annotation对象里添加子对象folder

        filename = xmlBuilder.createElement("filename")
        filenamecontent = xmlBuilder.createTextNode(name[0:-4] + ".jpg")  # name取从0开始至倒数第4个位置左闭右开
        filename.appendChild(filenamecontent)
        annotation.appendChild(filename)

        size = xmlBuilder.createElement("size")  # size标签
        Pheight, Pwidth, Pdepth = img.shape  # 先获取img图片信息
        width = xmlBuilder.createElement("width")  # size子标签width
        widthcontent = xmlBuilder.createTextNode(str(Pwidth))
        width.appendChild(widthcontent)
        size.appendChild(width)
        height = xmlBuilder.createElement("height")  # size子标签height
        heightcontent = xmlBuilder.createTextNode(str(Pheight))
        height.appendChild(heightcontent)
        size.appendChild(height)
        depth = xmlBuilder.createElement("depth")  # size子标签depth
        depthcontent = xmlBuilder.createTextNode(str(Pdepth))
        depth.appendChild(depthcontent)
        size.appendChild(depth)
        annotation.appendChild(size)

        for j in txtList:
            oneline = j.strip().split(" ")  # 用空格分隔一行中的几个数据
            object = xmlBuilder.createElement("object")  # object 标签
            picname = xmlBuilder.createElement("name")  # name标签
            namecontent = xmlBuilder.createTextNode(dic[oneline[0]])
            picname.appendChild(namecontent)
            object.appendChild(picname)  # name标签结束

            pose = xmlBuilder.createElement("pose")  # pose标签
            posecontent = xmlBuilder.createTextNode("Unspecified")
            pose.appendChild(posecontent)
            object.appendChild(pose)

            truncated = xmlBuilder.createElement("truncated")  # truncated标签
            truncatedContent = xmlBuilder.createTextNode("0")
            truncated.appendChild(truncatedContent)
            object.appendChild(truncated)

            difficult = xmlBuilder.createElement("difficult")  # difficult标签
            difficultcontent = xmlBuilder.createTextNode("0")
            difficult.appendChild(difficultcontent)
            object.appendChild(difficult)

            bndbox = xmlBuilder.createElement("bndbox")  # bndbox标签
            xmin = xmlBuilder.createElement("xmin")  # xmin标签
            mathData = int(((float(oneline[1])) * Pwidth + 1) - (float(oneline[3])) * 0.5 * Pwidth)  # 应该也可以不+1
            xminContent = xmlBuilder.createTextNode(str(mathData))
            xmin.appendChild(xminContent)
            bndbox.appendChild(xmin)

            ymin = xmlBuilder.createElement("ymin")  # ymin标签
            mathData = int(((float(oneline[2])) * Pheight + 1) - (float(oneline[4])) * 0.5 * Pheight)
            yminContent = xmlBuilder.createTextNode(str(mathData))
            ymin.appendChild(yminContent)
            bndbox.appendChild(ymin)

            xmax = xmlBuilder.createElement("xmax")  # xmax标签
            mathData = int(((float(oneline[1])) * Pwidth + 1) + (float(oneline[3])) * 0.5 * Pwidth)
            xmaxContent = xmlBuilder.createTextNode(str(mathData))
            xmax.appendChild(xmaxContent)
            bndbox.appendChild(xmax)

            ymax = xmlBuilder.createElement("ymax")  # ymax标签
            mathData = int(((float(oneline[2])) * Pheight + 1) + (float(oneline[4])) * 0.5 * Pheight)
            ymaxContent = xmlBuilder.createTextNode(str(mathData))
            ymax.appendChild(ymaxContent)
            bndbox.appendChild(ymax)

            object.appendChild(bndbox)
            annotation.appendChild(object)

        f = open(xmlPath + '\\' + name[0:-4] + ".xml", 'w')  # 新建.xml文件
        xmlBuilder.writexml(f, indent='\t', newl='\n', addindent='\t', encoding='utf-8')  # 将xmlBuilder写入
        """
        writexml(writer, indent, addindent, newl, encoding)参数说明：
            1、writer是文件对象
            2、indent是每个tag前填充的字符
            3、addindent是每个子结点的缩近字符
            4、newl是每个tag后填充的字符
            5、encoding是生成的XML信息头中的encoding属性值
        """
        f.close()


if __name__ == "__main__":
    picPath = r"E:\images"  # 图片所在文件夹路径
    txtPath = r"E:\labels"  # txt所在文件夹路径
    xmlPath = r"E:\Faster-RCNN\data\VOCdevkit2007\VOC2007\Annotations"  # xml文件保存路径
    makexml(picPath, txtPath, xmlPath)

因为Faster RCNN需要Annotations文件夹，所以我这里直接把生成的xml文件都放在指定目录里了。

上述代码里有一个疑问我刚开始没有解决，如下图。

第29行这里，因为for只循环一次就可以获得pic文件夹里所有filename，两个for循环嵌套似乎没什么必要，那么我们可不可以为了节省时间或者说修改逻辑，把这个语句放在上层for循环的外面？（因为python在for循环里面定义的变量在for循环外面也是可以用的）即进入makexml方法后先遍历一次picPath，后续都使用之前提取出的root、filename获取每一张img。我尝试这样写但总是报错，我不知道为什么。后来找到了原因，这里的filename与后面创建filename标签时使用的变量是一样的，修改其中一个即可实现我的逻辑。直接看代码可能直观一点，原代码第19行至38行改为：

    files = os.listdir(txtPath)  # 打开txt所在文件夹

    for root, dirs, filenames in os.walk(picPath):
        print(root, " ", len(filenames))
        # 只是为了给root和filenames赋值，这里将原来的filename改为filenames

    for i, name in enumerate(files):  # i为序号，name为txt文件名字（包括后缀）

        if name == "classes.txt":
            break  # 因为label文件夹里还有一个classes.txt文件，所以要跳过

        # 每一次files循环对应一个label信息
        txtFile = open(txtPath + '\\' + name)  # 打开第i个txt文件
        txtList = txtFile.readlines()  # 获取文件中的内容，按照换行分割并存储

        # 每一次files循环对应一张图片
        img = cv2.imread(root + '\\' + filenames[i])

划分VOC数据集

Faster RCNN要求的数据集格式如下（下图VOCDevkit2007命名错误，应改为VOCdevkit2007）：

首先要创建JPEGImages和Annotations并将两个文件夹需要的内容放进去，现在只需生成Main中的四个.txt文件。代码如下：

import os
import random

# 设置数据集比例为 train : val : test = 8 : 1 : 1
trainval_percent = 0.9
train_percent = 0.8
xmlfilepath = r'E:\Faster-RCNN\data\VOCdevkit2007\VOC2007\Annotations'
txtsavepath = r'E:\Faster-RCNN\data\VOCdevkit2007\VOC2007\ImageSets\Main'
total_xml = os.listdir(xmlfilepath)  # 打开xmlfilepath路径，将xml全部文件放在list里
num = len(total_xml)  # 文件总数
list = range(num)  # 给文件添加序号
tv = int(num * trainval_percent)  # 根据总数和百分比计算tr+v和tr的数量
tr = int(tv * train_percent)
trainval = random.sample(list, tv)  # 打乱顺序：在list里取任意tv个序号
train = random.sample(trainval, tr)  # 打乱顺序：在tv里再取任意tr个序号，剩下的序号即为val

ftrainval = open(r'E:\Faster-RCNN\data\VOCdevkit2007\VOC2007\ImageSets\Main\trainval.txt', 'w')
ftest = open(r'E:\Faster-RCNN\data\VOCdevkit2007\VOC2007\ImageSets\Main\test.txt', 'w')
ftrain = open(r'E:\Faster-RCNN\data\VOCdevkit2007\VOC2007\ImageSets\Main\train.txt', 'w')
fval = open(r'E:\Faster-RCNN\data\VOCdevkit2007\VOC2007\ImageSets\Main\val.txt', 'w')

for i in list:
    name = total_xml[i][:-4] + '\n'  # write()不会自动换行
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

至此，数据集制作完毕。