SSD目标检测实战（TF项目）——人脸检测2

数据转化为VOC格式：

一、我们先看 VOC格式的数据是什么？？？

Annotations：存放xml  包括 文件夹信息   图片名称、 图片尺寸信息、 图片中object的信息。

JPEGImages：   存放图片
 
二、分析Wider FACE数据集：
 
数据集中的txt中信息为：
第一行： 图片路径
第二行：多少个人脸
第三行：bbox信息   存储的左上角 坐标 和 高度宽度

三、代码转换：

 import os,cv2,sys,shutil
 
 from xml.dom.minidom import Document
 
 def writexml(filename,saveimg,bboxes,xmlpath,typename):
     #xml打包的函数，我们不需要知道内部做了什么。
     #我们只需要将图片名称   图片信息   bbox信息    最终存储信息 作为参数 就可以了
     #不需要做修改
 
     doc = Document()                                #定义文件对象
     annotation = doc.createElement('annotation')  #创建根节点
     doc.appendChild(annotation)    #存放在doc中
     # 定义annotation 的子节点
     folder = doc.createElement('folder')
 
     folder_name = doc.createTextNode('widerface')
     folder.appendChild(folder_name)
     annotation.appendChild(folder)
     filenamenode = doc.createElement('filename')
     filename_name = doc.createTextNode(filename)
     filenamenode.appendChild(filename_name)
     annotation.appendChild(filenamenode)
     source = doc.createElement('source')
     annotation.appendChild(source)
     database = doc.createElement('database')
     database.appendChild(doc.createTextNode('wider face Database'))
     source.appendChild(database)
     annotation_s = doc.createElement('annotation')
     annotation_s.appendChild(doc.createTextNode('PASCAL VOC2007'))
     source.appendChild(annotation_s)
     image = doc.createElement('image')
     image.appendChild(doc.createTextNode('flickr'))
     source.appendChild(image)
     flickrid = doc.createElement('flickrid')
     flickrid.appendChild(doc.createTextNode('-1'))
     source.appendChild(flickrid)
     owner = doc.createElement('owner')
     annotation.appendChild(owner)
     flickrid_o = doc.createElement('flickrid')
     flickrid_o.appendChild(doc.createTextNode('yanyu'))
     owner.appendChild(flickrid_o)
     name_o = doc.createElement('name')
     name_o.appendChild(doc.createTextNode('yanyu'))
     owner.appendChild(name_o)
 
     size = doc.createElement('size')
     annotation.appendChild(size)
 
     width = doc.createElement('width')
     width.appendChild(doc.createTextNode(str(saveimg.shape[1])))
     height = doc.createElement('height')
     height.appendChild(doc.createTextNode(str(saveimg.shape[0])))
     depth = doc.createElement('depth')
     depth.appendChild(doc.createTextNode(str(saveimg.shape[2])))
 
     size.appendChild(width)
 
     size.appendChild(height)
     size.appendChild(depth)
     segmented = doc.createElement('segmented')
     segmented.appendChild(doc.createTextNode(''))
     annotation.appendChild(segmented)
     for i in range(len(bboxes)):
         bbox = bboxes[i]
         objects = doc.createElement('object')
         annotation.appendChild(objects)
         object_name = doc.createElement('name')
         object_name.appendChild(doc.createTextNode(typename[i]))  #人脸数据的话 直接为 “face”
         objects.appendChild(object_name)
         pose = doc.createElement('pose')
         pose.appendChild(doc.createTextNode('Unspecified'))
         objects.appendChild(pose)
         truncated = doc.createElement('truncated')
         truncated.appendChild(doc.createTextNode(''))
         objects.appendChild(truncated)
         difficult = doc.createElement('difficult')
         difficult.appendChild(doc.createTextNode(''))
         objects.appendChild(difficult)
         bndbox = doc.createElement('bndbox')
         objects.appendChild(bndbox)
         xmin = doc.createElement('xmin')
         xmin.appendChild(doc.createTextNode(str(bbox[0])))
         bndbox.appendChild(xmin)
         ymin = doc.createElement('ymin')
         ymin.appendChild(doc.createTextNode(str(bbox[1])))
         bndbox.appendChild(ymin)
         xmax = doc.createElement('xmax')
         xmax.appendChild(doc.createTextNode(str(bbox[2])))#  bbox[0] +
         bndbox.appendChild(xmax)
         ymax = doc.createElement('ymax')
         ymax.appendChild(doc.createTextNode(str(bbox[3])))#  bbox[1] +
         bndbox.appendChild(ymax)
     f = open(xmlpath, "w")
     f.write(doc.toprettyxml(indent=''))
     f.close()
 
 rootdir = "/media/kuan/新加卷/wider_face"  #定义数据集的根目录wider_face  下载好的
 
 def convertimgset(img_set):  #解析函数 img_set 作为解析的路径    img_sets = ["train","val"]
     imgdir = rootdir + "/WIDER_" + img_set + "/images"                                   #图片文件的路径
     gtfilepath = rootdir + "/wider_face_split/wider_face_" + img_set + "_bbx_gt.txt"  #标注信息
     fwrite = open(rootdir + "/ImageSets/Main/" + img_set + ".txt", 'w')  #写入txt中 main 底下的文件夹 对应140行
     index = 0    #表示解析到第几张图
     with open(gtfilepath, 'r') as gtfiles:      #打开真值文件，获取bbox
         while(True):                            #true   index< 1000 #前1000个样本
             filename = gtfiles.readline()[:-1]         #读取一行数据， 为图像路径
             if filename == None or filename == "":
                 break
             imgpath = imgdir + "/" + filename         #图片的绝对路径
             img = cv2.imread(imgpath)                 #拿到读取图片   可以获取到shape信息
             if not img.data:
                 break;
             numbbox = int(gtfiles.readline())         #读取到了第二行    人脸个数
             bboxes = []
             print(numbbox)
             for i in range(numbbox):                 #读取bbox信息  numbbox 行
                 line = gtfiles.readline()
                 lines = line.split(" ")
                 lines = lines[0:4]
 
                 bbox = (int(lines[0]), int(lines[1]), int(lines[2]), int(lines[3]))  #存储的左上角 坐标 和 高度宽度
 
                 if int(lines[2]) < 40 or int(lines[3]) < 40:
                     continue
 
                 bboxes.append(bbox)             #存放到bbox中   numbbox个人脸信息
 
                 #cv2.rectangle(img, (bbox[0],bbox[1]),(bbox[0]+bbox[2],bbox[1]+bbox[3]),color=(255,255,0),thickness=1)
 
             filename = filename.replace("/", "_")    #图片的名称存储
 
             if len(bboxes) == 0:
                 print("no face")
                 continue
             #cv2.imshow("img", img)
             #cv2.waitKey(0)
             cv2.imwrite("{}/JPEGImages/{}".format(rootdir,filename), img)  #写入图像JPEGImages
             fwrite.write(filename.split(".")[0] + "\n")     #写入txt中 main 底下的文件夹
             xmlpath = "{}/Annotations/{}.xml".format(rootdir,filename.split(".")[0])
             writexml(filename, img, bboxes, xmlpath)   #调用函数
             print("success number is ", index)
             index += 1
 
     fwrite.close()
 
 if __name__=="__main__":
     img_sets = ["train","val"]
     for img_set in img_sets:
         convertimgset(img_set)
     #修改文件名
     shutil.move(rootdir + "/ImageSets/Main/" + "train.txt", rootdir + "/ImageSets/Main/" + "trainval.txt")
     shutil.move(rootdir + "/ImageSets/Main/" + "val.txt", rootdir + "/ImageSets/Main/" + "test.txt")

通过上面三个步骤我们就生成了VOC格式的数据集，现在我们只需要放到工程目录下并且进行修改 就可以开始训练了。

详细修改方法见下：

https://www.cnblogs.com/WSX1994/p/11216953.html