目标检测-制作数据集

图像采集

可以自己拍照，或者是搜集网络图片，我都试了一下，感觉自己拍的更好一些，原因有二，一是自己拍的图片尺寸风格都一致，更好处理，二是网络上的图片五花八门，差异太大，对于初学者来说，这些图片的组合可能很难轻易训练出一个好的结果，新手很难在短时间内获得成就感。

图像预处理

图片批量改名

#coding=utf-8
import os
import sys
def rename():
    #path=input("请输入路径(例如D:\\picture)：")
    #name=input("请输入开头名:")
    #startNumber=input("请输入开始数:")
    #fileType=input("请输入后缀名（如 .jpg、.txt等等）:")
    path=r"C:\\Users\\Administrator\\Desktop\\pic"
    name=""
    startNumber="10000"
    fileType=".jpg"
    print("正在生成以"+name+startNumber+fileType+"迭代的文件名")
    count=1
    filelist=os.listdir(path)
    for files in filelist:
        Olddir=os.path.join(path,files)
        if os.path.isdir(Olddir):
            continue
        Newdir=os.path.join(path,name+str(count+int(startNumber))+fileType)
        os.rename(Olddir,Newdir)
        count+=1
    print("一共修改了"+str(count)+"个文件")

rename() 

深度学习按像素来进行计算，在不明显失真的情况下，建议先压缩图片，可以大大提高计算速度，尤其是手机拍的图片，比如我的手机拍的照片尺寸40001800，我把它按比例调整到了800360

#提取目录下所有图片,更改尺寸后保存到另一目录
from PIL import Image
import os.path
import glob
def convertjpg(jpgfile,outdir,width=800,height=360):
  img=Image.open(jpgfile)
  try:
    if(img.width<img.height):#长宽颠倒的情况(手机横排竖排的区别)
        img = img.transpose(Image.ROTATE_90)
    new_img=img.resize((width,height),Image.BILINEAR)  
    new_img.save(os.path.join(outdir,os.path.basename(jpgfile)))
  except Exception as e:
    print(e)
for jpgfile in glob.glob("C:\\Users\\Administrator\\Desktop\\pic\\*.jpg"):
  convertjpg(jpgfile,"C:\\Users\\Administrator\\Desktop\\xml")

图像标注

所谓图像标注就是框出图像中的某个对象，并且标记这个对象应属于哪一类。

标注后生成的文件格式通常是xml(voc)或者txt(yolo),图片和标注文件的一一对应的批量集合，就是数据集。

标注软件可以使用labelimg，这篇文章写得还不错，可以参考一下，我的总结是：

安装：pip install labelimg -i http://mirrors.aliyun.com/pypi/simple

打开：cmd输入labelimg

标注（打框）：英文输入法下按w

保存：软件左上角设置好保存目录，ctrl+s

下一张图：英文输入法下按d

切换导出格式和设置默认标签：

标注完后把图片整理到images文件夹，标注文件放到labels文件夹，再进行分割，目录结构如下

images
      train
      val
      test
labels
      train
      val

Done.