轉載：VOC2007數據集製做

轉載自：https://blog.csdn.net/gaohuazhao/article/details/60871886

另外，可參考：https://blog.csdn.net/dcxhun3/article/details/52923310

相信看這篇文章的人都在作深度學習吧，此數據集是爲目標檢測作的數據集，有錯誤處請海涵

代碼見個人github上：https://github.com/EddyGao/make_VOC2007
第一步：首先了解VOC2007數據集的格式

1)JPEGImages文件夾

文件夾裏包含了訓練圖片和測試圖片，混放在一塊兒

2)Annatations文件夾

文件夾存放的是xml格式的標籤文件，每一個xml文件都對應於JPEGImages文件夾的一張圖片

3)ImageSets文件夾

Action存放的是人的動做，咱們暫時不用

Layout存放的人體部位的數據。咱們暫時不用

Main存放的是圖像物體識別的數據，分爲20類，固然咱們本身製做就呵呵呵不必定了，若是你有精力，Main裏面有test.txt , train.txt, val.txt ,trainval.txt.這四個文件咱們後面會生成

Segmentation存放的是可用於分割的數據

4)其餘的文件夾不解釋了，分割XXX等用的

若是你下載了VOC2007數據集，那麼把它解壓，把各個文件夾裏面的東西刪除，保留文件夾名字。若是沒下載，那麼就仿照他的文件夾格式，本身建好空文件夾就行。

 

第二步：搞定JPEGSImages文件夾

1)把你的圖片放到JPEGSImages裏面，在VOC2007裏面，人家的圖片文件名都是000001.jpg相似這樣的，咱們也統一格式，把咱們的圖片名字重命名成這樣的，若是你的文件太多怎麼辦，請看個人另外一篇文章http://blog.csdn.net/gaohuazhao/article/details/60324715 能批量重命名文件

第三步：搞定Annatations文件夾

網上不少教程，可是我以爲都很麻煩，直到我遇到了一位大神作的軟件，手動標註，會自動生成圖片信息的xml文件

1)在這裏下載：https://github.com/tzutalin/labelImg，至於怎麼用相信你打開就知道了。（https://github.com/puzzledqs/BBox-Label-Tool）

2)保存的路徑就是咱們的Annatations文件夾，別保存別的地方去了，，，

3)一張張的慢慢畫框。。。。。。。。。大約過了幾個小時，好繼續下一步

第四步：搞定ImageSets文件夾中的Main文件夾中的四個文件

直接上一個代碼給你：

import os
import random

trainval_percent = 0.66
train_percent = 0.5
xmlfilepath = 'Annotations'
txtsavepath = '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('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('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()

OK，製做完成，就是這麼簡單，那麼解釋一下這四個txt文檔是幹嗎的，看名字就知道，就是分分多少圖片做爲訓練，多少圖片做爲測試，，，，