用labelImg制作VOC2007数据集进行faster-rcnn的训练

下载安装labelImg快捷键和快速标记的一些小技巧 制作自己的VOC数据集文件重命名制作Main里的txt文档 结束

下载

labelImg可以制作COCO和VOC数据集，不过我只用他来制作了VOC数据集 我是linux上进行标注的，labelImg的下载地址这里

安装

安装的步骤README写的很清楚了 我是python2+pyqt4

sudo apt-get install pyqt4-dev-tools sudo pip install lxml make qt4py2 #运行labelImg python labelImg.py #或者运行这个，这个是运行的时候不用去改图片地址的，不过我通常是运行上面一行，莫得办法，懒得打字 python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

labelImg快捷键和快速标记的一些小技巧

保存：Ctrl + s 上一张：a 下一张：d 画框：w 选择要标注的图片路径：Ctrl + u 选择xml的保存路径：Ctrl + r 自动保存：view->自动保存模式，这个是下一张的时候自动保存xml

预设标签：自动选择框的类别

制作自己的VOC数据集

创建下面这样的目录

VOC2007 Annotations #存放xmlImageSets Main #存放 train.txt test.txt val.txt trainval.txt JPEGImages #存放图像

文件重命名

#coding=utf-8 import os path = "/path/to/VOC2007/JPEGImages/" filelist = os.listdir(path) #该文件夹下所有的文件（包括文件夹） i=0 for file in filelist: #遍历所有文件 Olddir=os.path.join(path,file) #原来的文件路径 if os.path.isdir(Olddir): #如果是文件夹则跳过 continue filename=os.path.splitext(file)[0] #文件名 filetype=os.path.splitext(file)[1] #文件扩展名 Newdir="/path/to/VOC2007/JPEGImages/"+ format(str(i), '0>6s') + filetype #以0补全所需位数 os.rename(Olddir,Newdir)#重命名 i=i+1

制作Main里的txt文档

#coding=utf-8 import os import random #可以更改这些参数 trainval_percent = 0.66 train_percent = 0.5 xmlfilepath = 'Annotations' txtsavepath = '/path/to/ImageSets/Main' total_xml = os.listdir(xmlfilepath) num=len(total_xml) list=range(num) tv=int(num*trainval_percent) tr=int(tv*train_percent) trainval= random.sample(list,tv) train=random.sample(trainval,tr) ftrainval = open('/path/to/VOC2007/ImageSets/Main/trainval.txt', 'w') ftest = open('/path/to/VOC2007/ImageSets/Main/test.txt', 'w') ftrain = open('/path/to/VOC2007/ImageSets/Main/train.txt', 'w') fval = open('/path/to/VOC2007/ImageSets/Main/val.txt', 'w') for i in list: name=total_xml[i][:-4]+'\n' 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()

结束

然后你就得到了自己的VOC2007数据集，可以进行训练了