前言

由于TensorFlow常用TFrecords作為輸入格式，我們需要將制作好的Pascal VOC轉(zhuǎn)為TFrecords格式。使用 object detection API 內(nèi)提供的腳本。

TFRecords格式如下：

-uint64 length

-uint32 masked_crc32_of_length

-byte data[length]

-uint32 masked_crc32_of_data

前置要求：

Anaconda3（使用python3.x）

制作好的Pascal VOC數(shù)據(jù)集

1、配置protobuf

Google的protobuf是一種輕便高效的結(jié)構(gòu)化數(shù)據(jù)存儲格式，結(jié)構(gòu)擴展性高，速度快，密度大。我們下載對應(yīng)的protoc-3.4.0-win32.zip版本。解壓之后的文件內(nèi)容如下：

將bin文件夾所在路徑添加到環(huán)境變量PATH，再將bin下的protoc.exe移動到C:\Windows\System32目錄下。

cmd下進入~models/reseach目錄下，輸入：

protoc object_detection/protos/*.proto --python_out=.

2、設(shè)置搜索路徑

Windows下的API使用時會出現(xiàn)圖示bug，需要創(chuàng)建xx.pth文件，將以下兩條路徑添加進去：

~\models\research

~\models\research\slim

接著，將pth文件移動到python安裝目錄的site-packages下。

最后，我們利用cmd運行model_builder_test.py文件，測試環(huán)境是否搭建成功。

3、修改pascal_label_map.pbtxt

打開~models/research/object_detection/data/pascal_label_map.pbtxt，修改其中的name為自己的分類名。

如圖所示，這里我要識別分類的是圖片數(shù)字0~3，所以修改了對應(yīng)的name。

4、修改create_pascal_tf_record.py文件

（1）47行：根據(jù)自己的VOC數(shù)據(jù)集格式，修改年份，如果是2007，則保持默認(rèn)；

（2）49行：將data/pascal_label_map.pbtxt改為絕對路徑

（3）81行：改為img_path = os.path.join('JPEGImages', data['filename'])

（4）82行：改為full_path =os.path.join(dataset_directory, 'VOC2012',img_path+'.jpg')

（5）163行 : 改為examples_path =os.path.join(data_dir, year, 'ImageSets', 'Main','xx' + FLAGES.set + '.txt')

xx里的內(nèi)容是~VOCdevkit\VOC2012\ImageSets\Main目錄下的文件前綴名稱，如果沒有，留空就可以。

5、運行

cmd下輸入：

python ~/models/research/object_detection/dataset_tools/create_pascal_tf_record.py\

--data_dir=~/VOCdevkit \

--year=VOC2012 \

--output_path=~/xx.record

其中，波浪線的地方分別為自己的py文件位置、VOC數(shù)據(jù)位置、轉(zhuǎn)換的record文件存儲位置。

注：

1、protoc必須使用3.4版本而非3.5，否則會出現(xiàn)找不到*.proto的bug；

2、運行時出現(xiàn)很多bug，根據(jù)bug一步一步回推代碼修改。

以上這篇Windows下實現(xiàn)將Pascal VOC轉(zhuǎn)化為TFRecords就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

最新評論