利用matlab将自己的数据制作为标准VOC数据集格式

在使用各种深度网络的时候，需要根据自己的需求，自己的数据fine-tuning自己的模型，首要的一步就是讲自己的数据制作成标准VOC数据集，本文记录自己利用matlab制作标准VOC数据集的方法。

1、将自己的图片数据规范命名
VOC标准数据集中图片名称都为“000001.jpg”…”000013.jpg”…都为6位数字，jpg格式。
根据以下代码将自己图片规范命名：

%假设图片放置于"images\"下，需要将其规范命名到"image-convert\"下
imgs = dir(['images\',*.jpg]);
for i = 1:length(imgs)
    imgPath = ['images\',imgs(i).name];
    img = imread(imgPath);
    imgPathTrans = ['image-convert\',num2str(i,'%06d'),'.jpg'];
    imwrite(img,imgPathTrans);
end

生成的图片名称：
这里写图片描述

2、在图片中标注目标
这个部分代码写的很粗糙，只够满足当时需求

imgs = dir(['img-convert\','*.jpg']);
len = length(imgs);
fid = fopen('groundtruth.txt','w');
for i = 1:len
    imagename = imgs(i).name;
    image = imread(['img-convert\',imagename]);
    while 1
        [img,rect] = imcrop(image);
        rect = round(rect);
        label = input('please input lable:','s');
        fprintf(fid,'%s %s %d %d %d %d\n',imagename,label,rect(1),rect(2),rect(1)+rect(3),rect(2)+rect(4));
        isEnd = input('is this picture select over?','s');
        if isEnd=='s'
            break;
        end
    end
end
fclose(fid);

生成的文件格式:
这里写图片描述

3、利用groundtruth文件生成XML文件
到这一步，可以开始构建标准VOC的文件夹了，文件夹形式如下：
这里写图片描述
其中Annotations、ImageSets和JPEGImages是VOC数据集格式。

然后利用网上查到的代码，下载地址：将txt转成VOC标准数据集XML
利用此代码可以根据groundtruth文件生成标准XML文件：
这里写图片描述
每个图片会在Annotations下生成一个XML文件，如图：

于此同时，这个过程会把img-convert里的图片拷贝到JPEGImages文件夹下。

4、生成训练、验证数据集配置文件
这一步也是从网上找到的代码，将已有的样本分配为训练集和验证集，代码如下：

%%
%该代码根据已生成的xml，制作VOC2007数据集中的trainval.txt;train.txt;test.txt和val.txt
%trainval占总数据集的50%，test占总数据集的50%；train占trainval的50%，val占trainval的50%；
%上面所占百分比可根据自己的数据集修改，如果数据集比较少，test和val可少一些
%%
%注意修改下面四个值
xmlfilepath='Annotations';
txtsavepath='ImageSets\Main\\';
trainval_percent=0.5;%trainval占整个数据集的百分比，剩下部分就是test所占百分比
train_percent=0.5;%train占trainval的百分比，剩下部分就是val所占百分比

xmlfile=dir(xmlfilepath);
numOfxml=length(xmlfile)-2;

trainval=sort(randperm(numOfxml,floor(numOfxml*trainval_percent)));
test=sort(setdiff(1:numOfxml,trainval));

trainvalsize=length(trainval);%trainval的大小
train=sort(trainval(randperm(trainvalsize,floor(trainvalsize*train_percent))));
val=sort(setdiff(trainval,train));


ftrainval=fopen([txtsavepath 'trainval.txt'],'w');
ftest=fopen([txtsavepath 'test.txt'],'w');
ftrain=fopen([txtsavepath 'train.txt'],'w');
fval=fopen([txtsavepath 'val.txt'],'w');


for i=1:numOfxml
    if ismember(i,trainval)
        fprintf(ftrainval,'%s\n',xmlfile(i+2).name(1:end-4));
        if ismember(i,train)
            fprintf(ftrain,'%s\n',xmlfile(i+2).name(1:end-4));
        else
            fprintf(fval,'%s\n',xmlfile(i+2).name(1:end-4));
        end
    else
        fprintf(ftest,'%s\n',xmlfile(i+2).name(1:end-4));
    end
end
fclose(ftrainval);
fclose(ftrain);
fclose(fval);
fclose(ftest);

将生成的四个文件放置在ImageSets\Main 文件夹下，即完成标准VOC数据集的制作。

利用matlab将自己的数据制作为标准VOC数据集格式

浏览过的版块