• 使用labelImg标注数据的方法


    收集完图片记得逐个审查一遍把垃圾图片删掉,后续画框时候尽量给每幅图都至少画上一个框。

    一.安装labelImg

    1.下载

    https://github.com/tzutalin/labelImg

    去github下载zip,解压之后根据下边的不同系统使用方法安装相应的依赖

    比如我的是安装了anaconda的windows系统,我可以按照如下图片进行操作

    2.运行方法

    在cmd中切换到labelImg的安装目录下,我的是

    f:                                 #切换到f盘
    cd F:softwarelabelImg-master     #切换到下载目录
    python labelImg.py          #运行labelImg

    二、labelImg标注使用方法

    https://blog.csdn.net/gaoyu1253401563/article/details/89512098

    1、软件图标的使用  
    (1)打开需要标记的图片文件夹

                   

    (2)修改保存路径(XML文件夹)   

            

    (3)标注ROI区域,填写标签

          

    (4)保存XML文件,有弹框提醒

                       

    (5)点击下一张图进行标记

          

     2、软件快捷键的使用

    Ctrl +u :      打开图片文件夹 
    Ctrl +r :       更改结果保存位置 
    w:                开始画框 
    Ctrl +s :       保存 
    d:               下一张 
    a:                上一张 
    del:              删除画的框 
    Ctrl++:         图片放大 
    Ctrl–:          图片缩小 
    ↑→↓←:       对框进行移动 
    Ctrl+d:      复制当前框的标签和框

    3.具体标注步骤

    ①运行labelImg(见步骤2)

    ②修改默认的XML文件保存路径,使用快捷键“Ctrl+R”,改为自己想存储的位置,一般是新建个Annotations文件来存储XML文件。 

    如果是yolo的模型可以直接点击下图位置,生成文件由xml变成txt,yolo模型可以直接使用

     xml模型转换成yolo模型方法见最后 

    注:路径一定不能包含中文,否则无法保存

    ③在labelImg文件中,修改源码文件data/predefined_classes.txt,来修改类别,将默认类别换成我们需要的类别信息,例如person、dog、cat等

    使用python规范化图片名称

    import os
     
    class BatchRename():
     
    #定义函数执行图片的路径
        def __init__(self):
            self.path = '/home/darknet/scripts/VOCdevkit/VOC2019/JPEGImages'#修改为自己的图片路径
     
    #定义函数实现重命名操作
        def rename(self):
            filelist = os.listdir(self.path)
            total_num = len(filelist)
            i = 0
            for item in filelist:
                if item.endswith('.jpg'):
                    src = os.path.join(os.path.abspath(self.path), item)
                    dst = os.path.join(os.path.abspath(self.path), str(i).zfill(6) + '.jpg')
                    try:
                        os.rename(src, dst)
                        print('converting %s to %s ...' % (src, dst))
                        i = i + 1
                    except:
                        continue
            print ('total %d to rename & converted %d jpgs' % (total_num, i))
     
    #主函数调用
    if __name__ == '__main__':
        demo = BatchRename()
        demo.rename()

     使用Open Dir按钮来打开我们索要标注的图片文件夹JPEGImages,选择choose,然后打开了第一张需要标注的图片。

    接下来使用Create RectBox按钮或者“Ctrl+N”来对图片中需要标注的软件进行画框,画完框,松掉鼠标左键,会弹出选择类别信息的框,选着我们所有标注的类别,然后点击ok

    以上标注成功,然后等一张图片的所有目标都标注成功以后,点击Save保存按钮,此时就在Annotations文件下生成了一个对应图片名的XML文件,里面保存了标注信息

     

     注:以上是标记过很多张之后生成的XML文件的结果

     对于单张标记好的图片,打开XML文件,可看到标记信息如下 

     等待一张图片标注完毕后点击Next Image或者快捷键"d"进入下一张图片进行标注

    注意文件放到voc的子目录下

    参考:https://blog.csdn.net/qq_21578849/article/details/84980298

    划分训练数据和测试数据

    import os
    from os import listdir, getcwd
    from os.path import join
    if __name__ == '__main__':
        source_folder='F:/esint/smoking_Recognition/darknet-master/voc/VOCdevkit/VOC2019/JPEGImages'#地址是所有图片的保存地点
        dest='F:/esint/smoking_Recognition/darknet-master/voc/VOCdevkit/VOC2019/ImageSets/Main/train.txt'  #保存train.txt的地址,对于train.txt(在ImageSets/Main/下)和2019_train.txt(在VOCdevkit下)是不同的路径
        dest2='F:/esint/smoking_Recognition/darknet-master/voc/VOCdevkit/VOC2019/ImageSets/Main/val.txt'  #保存val.txt的地址,对于val.txt(在ImageSets/Main/下)和2019_val.txt(在VOCdevkit下)是不同的路径
        file_list=os.listdir(source_folder)       #赋值图片所在文件夹的文件列表
        train_file=open(dest,'a')                 #打开文件
        val_file=open(dest2,'a')                  #打开文件
        for file_obj in file_list:                #访问文件列表中的每一个文件
            file_path=os.path.join(source_folder,file_obj) 
            #file_path保存每一个文件的完整路径
            file_name,file_extend=os.path.splitext(file_obj)
            #file_name 保存文件的名字,file_extend保存文件扩展名
            file_num=int(file_name)  
            if(file_num<300):                     #保留300个文件用于训练
                train_file.write(file_name+'
    ')  #用于训练前620个的图片路径保存在train.txt里面,结尾加回车换行/////////生成train.txt是file_name;生成2019_train.txt是file_path
            else :
                val_file.write(file_name+'
    ')    #其余的文件保存在val.txt里面/////////生成val.txt是file_name;生成2019_val.txt是file_path
        train_file.close()#关闭文件
    val_file.close()

    执行该文件前需要先划分训练数据和测试数据

    将xml文件转换成txt文件

    执行时可能遇到报错:ZeroDivisionError: float division by zero

    原因:部分图片质量问题,图片本身大小不能被识别。

    解决方法:去label文件夹下查看最后一个txt文件,他的大小是0kb

    该文件对应的图片就是问题图片,直接查看图片属性,将宽高手动写入文件对应的xml文件中。

    import xml.etree.ElementTree as ET
    import pickle
    import os
    from os import listdir, getcwd
    from os.path import join
    
    sets=[('2019', 'train'), ('2019', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007', 'test')]
    
    classes = ["extinguisher"]
    
    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))
        out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id), 'w')
        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]) + '
    ')
    
    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
    '%(wd, year, image_id))
            convert_annotation(year, image_id)
        list_file.close()
  • 相关阅读:
    背景图片填充问题
    a:hover 等伪类选择器
    jQuery中animate()方法用法实例
    响应式框架Bootstrap
    HTTP入门
    jQuery选择器
    httplib urllib urllib2 pycurl 比较
    校招
    JAVA描述的简单ORM框架
    Roman to Integer
  • 原文地址:https://www.cnblogs.com/StarZhai/p/11926610.html
Copyright © 2020-2023  润新知