目标检测数据集制作（VOC2007格式数据集制作和处理教程）

• VOC2007数据集结构（目标检测+图像分割）

• #VOC2007数据集结构如下：
  VOC2007
  	|-Annotations#里面存放的是每一张图片对应的标注结果，为XML文件，
  				 #标注完成后JPEGImages每张图片在此都有一一对应的xml文件
  	|-ImageSets#存放的是每一种类型对应的图像数据，为txt文件
  		|-Layout#存放的是具有人体部位的数据(如人的head、hand、feet等等)
  		|-Main#存放的是图像物体识别的数据
  		|-Segmentation#存放的是可用于分割的数据
  	|-JPEGImages#存放的是原图片
  	|-SegmentationClass#按类别进行图像分割，同一类别的物体会被标注为相同颜色
  	|-SegmentationObject#按对象进行图像分割，即使是同一类别的物体会被标注为不同的颜色。

  本次的是目标检测，对应的如下结构

• #VOC2007数据集结构如下：
  VOC2007
  	|-Annotations#里面存放的是每一张图片对应的标注结果，为XML文件，
  				 #标注完成后JPEGImages每张图片在此都有一一对应的xml文件
  	|-ImageSets#存放的是每一种类型对应的图像数据，为txt文件
  		|-Main#存放的是图像物体识别的数据
  	|-JPEGImages#存放的是原图片

  1、安装工具

此次数据标注使用labelImg工具，我是在pycharm终端中进行pip安装的，安装方式很多，就不一一列举了，还需要安装lxml库和pytq可以，安装步骤如下：

pip3 install labelImg

pip install lxml

pip install pytq

进入标注工具，只需要在pycharm终端处输入LabelImg，LabelImg工具自动弹出打开，如下：

2、数据集准备

在VOC2007文件夹下创建这三个文件夹：

• Annotations文件夹该文件下存放的是xml格式的标签文件，每个xml文件都对应于JPEGImages文件夹的一张图片。
• JPEGImages文件夹：该文件夹下存放的是数据集图片(原图)，包括训练和测试图片。把原图数据放到此文件夹下
• ImageSets文件夹该文件夹下存放了三个文件，分别是Layout、Main、Segmentation。在这里我们只用存放图像数据的Main文件

在ImageSets下创建Main文件夹，在该文件夹下创建如下4个txt文件：

• test.txt：测试集
• train.txt：训练集
• val.txt：验证集
• trainval.txt：训练和验证集

对数据重命名

• 处理代码：

import os

path = r"D:\pythonProject\ssd-pytorch\VOCdevkit\VOC2007\JPEGImages"  # JPEGImages文件夹所在路径
filelist = os.listdir(path)  # 该文件夹下所有的文件（包括文件夹）
count = 0
for file in filelist:
    print(file)
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 = '.jpg'  # 文件扩展名
    Newdir = os.path.join(path, str(count).zfill(6) + filetype)  # 用字符串函数zfill 以0补全所需位数
    os.rename(Olddir, Newdir)  # 重命名
    count += 1

4、数据标注

• 添加标注数据集

安装好的工具，输入LabelImge打开标注工具，然后添加需要标注的数据文件夹，数据原图是放在JPEGImages‘文件夹中的，操作如下图：

• 标注方式选择
  标注方式选择Create rectBox矩形标注，或者选择快捷键w键快速标注：

• 标注及标签设置
  用框框住标注目标，标注完成后，弹出标签值框，输入需要添加的标签，点击ok：
• 标注结果保存
  标注结果默认方式每一次保存都需要选择保存文件夹，快捷键选择默认保存文件夹，使用快捷键Ctrl+r键，选择默认保存的文件夹为Annotation：
• 第一次标注设置好后，接下来就是快速标注，快捷键：
  w键选择标注，Ctrl+s键保存，d键切换下一张图片直到标注完成。
• 标注结果展示
  标注好后，标注结果保存在VOC2007下的Annotation文件内，内容展示如下：

5、数据处理

• 对标注结果xml文件夹进行数据处理

  import os
  import random
  
  trainval_percent = 0.9  # 验证集和训练集占的百分比
  train_percent = 0.7  # 训练集占的百分比
  xmlfilepath = r'D:\pythonProject\ssd-pytorch\VOCdevkit\VOC2007\Annotations'  # Annotation文件夹所在位置
  txtsavepath = r'D:\pythonProject\ssd-pytorch\VOCdevkit\VOC2007\ImageSets\Main'  # ImageSets文件下的Main文件夹所在位置
  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)
  # Main文件夹下所对应的四个txt文件夹路径
  ftrainval = open(r'D:\pythonProject\ssd-pytorch\VOCdevkit\VOC2007\ImageSets\Main\trainval.txt', 'w')
  ftest = open(r'D:\pythonProject\ssd-pytorch\VOCdevkit\VOC2007\ImageSets\Main\test.txt', 'w')
  ftrain = open(r'D:\pythonProject\ssd-pytorch\VOCdevkit\VOC2007\ImageSets\Main\train.txt', 'w')
  fval = open(r'D:\pythonProject\ssd-pytorch\VOCdevkit\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()

  至此，VOC2007格式数据集制作完成。