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

来源：互联网发布：刘备汉昭烈帝皮肤优化编辑：程序博客网时间：2024/05/19 12:29

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 <dirent.h>#include <sys/stat.h>#include <unistd.h>#include <stdio.h>#include <string.h>#include <opencv2/opencv.hpp>#define img_num 2000char 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<sum; ++i){char img_path[1000];memset(img_path, 0, sizeof(img_path));printf("Source %s\n", img_file[i]);IplImage *pSrc = cvLoadImage(img_file[i]);sprintf(order, "%05d.jpg", i);strcat(img_path,dir);strcat(img_path,order);cvSaveImage(img_path, pSrc);fprintf(fp, "%05d\n", i);printf("Save as%s\n", img_path);cvReleaseImage(&pSrc);}fclose(fp);return 0;}

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

[plain] view plain copy
--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

[html] view plain copy
<?xml version="1.0" ?>  
<annotation>  
    <folder>JPEGImages</folder>  
    <filename>00000</filename>  
    <path>/home/kinglch/VOC2007/JPEGImages/00000.jpg</path>  
    <source>  
        <database>Unknown</database>  
    </source>  
    <size>  
        <width>704</width>  
        <height>576</height>  
        <depth>3</depth>  
    </size>  
    <segmented>0</segmented>  
    <object>  
        <name>person</name>  
        <pose>Unspecified</pose>  
        <truncated>0</truncated>  
        <difficult>0</difficult>  
        <bndbox>  
            <xmin>73</xmin>  
            <ymin>139</ymin>  
            <xmax>142</xmax>  
            <ymax>247</ymax>  
        </bndbox>  
    </object>  
    <object>  
        <name>person</name>  
        <pose>Unspecified</pose>  
        <truncated>0</truncated>  
        <difficult>0</difficult>  
        <bndbox>  
            <xmin>180</xmin>  
            <ymin>65</ymin>  
            <xmax>209</xmax>  
            <ymax>151</ymax>  
        </bndbox>  
    </object>  
    <object>  
        <name>person</name>  
        <pose>Unspecified</pose>  
        <truncated>0</truncated>  
        <difficult>0</difficult>  
        <bndbox>  
            <xmin>152</xmin>  
            <ymin>70</ymin>  
            <xmax>181</xmax>  
            <ymax>144</ymax>  
        </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

[plain] view plain copy
find -name '*.xml' |xargs perl -pi -e 's|</filename>|.jpg</filename>|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：

[plain] view plain copy
find -name '*.xml' |xargs perl -pi -e 's|0</width>|448</width>|g'  

同理修改高：

[plain] view plain copy
find -name '*.xml' |xargs perl -pi -e 's|0</height>|448</height>|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

[plain] view plain copy
.  
.  
.  
[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：

[html] view plain copy
[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：

[plain] view plain copy
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

阅读全文

0 0