目标检测之数据集（一）——KITTI转VOC

目标检测之数据集（一）——KITTI转VOC"/>

目标检测之数据集（一）——KITTI转VOC

目录

• 一、引言
• 二、下载数据
• 三、数据形式
• 四、PNG 转 JPG
• 五、类别调整
• 六、TXT 转 XML
• 七、生成检索txt文件

一、引言

  对于KITTI数据集，有着很丰富的应用，不仅仅局限于目标检测，这就导致了数据集的标签是txt文件，里面包含了各种任务所需要的标签，因此为了实现目标检测的任务，我们就需要将属于目标检测的坐标从中提取出来再生成对应的xml文件。

二、下载数据

  打开官网我们可以看到以下界面，那么我们真正需要的只有标注出的两个文件。

  除了可以再官网下载之外，这里再提供一个下载链接
  /

三、数据形式

  首先解压完图像的文件夹就会发现里面有training和testing两个文件夹。其中training是我们需要的，一共7481张图片。而testing暂时没什么用，因为这个没有标签。
  接下来我们再来看看标签文件，随便打开其中一个txt文件，我们可以看到以下内容：

car 0.00 0 -1.57 599.41 156.40 629.75 189.25 2.85 2.63 12.34 0.47 1.49 69.44 -1.56
car 0.00 0 1.85 387.63 181.54 423.81 203.12 1.67 1.87 3.69 -16.53 2.39 58.49 1.57
pedestrian 0.00 3 -1.65 676.60 163.95 688.98 193.93 1.86 0.60 2.02 4.59 1.32 45.84 -1.55

  每一行的第一个参数代表的是类别，第5-8个代表第是目标检测框的两个角点的坐标。我们的目的就是要提取这5个参数，转换成xml的形式

<?xml version="1.0" ?>
<annotation><folder>VOC2007</folder>					//文件夹<filename>000012.jpg</filename>					//xml文件对应的图片的名称<source><database>The VOC2007 Database</database><annotation>PASCAL VOC2007</annotation></source><size>								//图片大小信息1242x375<width>1242</width>					<height>375</height><depth>3</depth></size><object>							//图片中标注的物体<name>car</name>					//标注的物体类别<difficult>0</difficult><bndbox>						//标注物体的bounding box<xmin>662</xmin><ymin>185</ymin><xmax>690</xmax><ymax>205</ymax></bndbox></object><object><name>car</name><difficult>0</difficult><bndbox><xmin>448</xmin><ymin>177</ymin><xmax>481</xmax><ymax>206</ymax></bndbox></object>
</annotation>

四、PNG 转 JPG

  KITTI的图片是PNG的格式，为了方便之后的处理，我先统一转成JPG格式（faster Rcnn默认JPG）。当然可以不转，不过后面就会有好几处代码要修改。

from PIL import Image
import cv2 as cv
import osdef PNG_JPG(PngPath):img = cv.imread(PngPath, 0)w, h = img.shape[::-1]infile = PngPathoutfile = os.path.splitext(infile)[0] + ".jpg"img = Image.open(infile)# img = img.resize((int(w / 2), int(h / 2)), Image.ANTIALIAS)try:if len(img.split()) == 4:# prevent IOError: cannot write mode RGBA as BMPr, g, b, a = img.split()img = Image.merge("RGB", (r, g, b))img.convert('RGB').save(outfile, quality=70)os.remove(PngPath)else:img.convert('RGB').save(outfile, quality=70)os.remove(PngPath)return outfileexcept Exception as e:print("PNG转换JPG 错误", e)################转换多张图片#####################path_root = os.getcwd()
Path='/data1/training/image_2/' #图片的绝对路径
img_dir = os.listdir(Path)
for img in img_dir:if img.endswith('.png'):PngPath= Path + imgPNG_JPG(PngPath)
img_dir = os.listdir(Path)
for img in img_dir:print(img)

五、类别调整

  数据集中的类别有以下几种：’Car’, ’Van’, ’Truck’, ’Pedestrian’, ’Person (sit- ting)’, ’Cyclist’, ’Tram’ 和’Misc’(e.g., Trailers, Segways)，除此之外，标签中还有一种‘DontCare’（毫无用处）。由于每个人的任务不同，就要做出调整，至少也得把‘DontCare’去掉。
  而且为了适配faster rcnn也需要将类别开头的大写字母换成小写。
  PS：代码中并没写写文件夹的生成，所以需要提前新建好相关的文件夹。
  代码中设计了一个flag，目的是这样的：经常我们不需要所有的类别，但是删除其他类别的过程中会导致有些txt文件里的内容全删了，那么这个txt就需要删除，flag就是用来判断这个txt文件是否需要删除。默认flag是0，表示要删，像我这个只保留‘car’的类别，就在处理‘car’的时候转置了flag

#!/usr/bin/env python  
# -*- coding: UTF-8 -*-  # modify_annotations_txt.py  
import glob  
import string  txt_list = glob.glob('./label_2/*.txt') # 存储Labels文件夹所有txt文件路径  
def show_category(txt_list):  category_list= []  for item in txt_list:  try:  with open(item) as tdf:  for each_line in tdf:  labeldata = each_line.strip().split(' ') # 去掉前后多余的字符并把其分开  category_list.append(labeldata[0]) # 只要第一个字段，即类别  except IOError as ioerr:  print('File error:'+str(ioerr))  print(set(category_list)) # 输出集合  def merge(line):  each_line=''  for i in range(len(line)):  if i!= (len(line)-1):  each_line=each_line+line[i]+' '  else:  each_line=each_line+line[i] # 最后一条字段后面不加空格  each_line=each_line+'\n'  return (each_line)  print('before modify categories are:\n')  
show_category(txt_list)  for item in txt_list:  new_txt=[]  try:  with open(item, 'r') as r_tdf:  for each_line in r_tdf:  labeldata = each_line.strip().split(' ')'''if labeldata[0] in ['Truck','Van','Tram','Car']: # 合并汽车类  labeldata[0] = labeldata[0].replace(labeldata[0],'car')  if labeldata[0] in ['Person_sitting','Cyclist','Pedestrian']: # 合并行人类  labeldata[0] = labeldata[0].replace(labeldata[0],'pedestrian')'''#print type(labeldata[4])if labeldata[4] == '0.00':labeldata[4] = labeldata[4].replace(labeldata[4],'1.00')if labeldata[5] == '0.00':labeldata[5] = labeldata[5].replace(labeldata[5],'1.00')if labeldata[0] == 'Truck':  labeldata[0] = labeldata[0].replace(labeldata[0],'truck')if labeldata[0] == 'Van':  labeldata[0] = labeldata[0].replace(labeldata[0],'van') if labeldata[0] == 'Tram':  labeldata[0] = labeldata[0].replace(labeldata[0],'tram')if labeldata[0] == 'Car':  labeldata[0] = labeldata[0].replace(labeldata[0],'car')#if labeldata[0] == 'Cyclist':  #labeldata[0] = labeldata[0].replace(labeldata[0],'cyclist')if labeldata[0] in ['Person_sitting','Pedestrian']: # 合并行人类  labeldata[0] = labeldata[0].replace(labeldata[0],'pedestrian')if labeldata[0] == 'Cyclist':  continueif labeldata[0] == 'DontCare': # 忽略Dontcare类  continue  if labeldata[0] == 'Misc': # 忽略Misc类  continue  new_txt.append(merge(labeldata)) # 重新写入新的txt文件  with open(item,'w+') as w_tdf: # w+是打开原文件将内容删除，另写新内容进去  for temp in new_txt:  w_tdf.write(temp)  except IOError as ioerr:  print('File error:'+str(ioerr))  print('\nafter modify categories are:\n')
newtxt_list = glob.glob('./label_2/*.txt')
show_category(newtxt_list)

六、TXT 转 XML

  首先也是需要新建好代码中提到的文件夹，然后就是要修改类别参数（和上一步是对应的，有几类就写几类），最后就是填好图像文件所在的路径。

#!/usr/bin/env python  
# -*- coding: UTF-8 -*-  
# txt_to_xml.py  
# 根据一个给定的XML Schema，使用DOM树的形式从空白文件生成一个XML  
from xml.dom.minidom import Document  
import cv2  
import os  def generate_xml(name,split_lines,img_size,class_ind):  doc = Document()  # 创建DOM文档对象  annotation = doc.createElement('annotation')  doc.appendChild(annotation)  title = doc.createElement('folder')  title_text = doc.createTextNode('VOC2007')#这里修改了文件夹名  title.appendChild(title_text)  annotation.appendChild(title)  img_name=name+'.jpg'#要用jpg格式    title = doc.createElement('filename')  title_text = doc.createTextNode(img_name)  title.appendChild(title_text)  annotation.appendChild(title)  source = doc.createElement('source')  annotation.appendChild(source)  title = doc.createElement('database')  title_text = doc.createTextNode('The VOC2007 Database')#修改为VOC  title.appendChild(title_text)  source.appendChild(title)  title = doc.createElement('annotation')  title_text = doc.createTextNode('PASCAL VOC2007')#修改为VOC  title.appendChild(title_text)  source.appendChild(title)  size = doc.createElement('size')  annotation.appendChild(size)  title = doc.createElement('width')  title_text = doc.createTextNode(str(img_size[1]))  title.appendChild(title_text)  size.appendChild(title)  title = doc.createElement('height')  title_text = doc.createTextNode(str(img_size[0]))  title.appendChild(title_text)  size.appendChild(title)  title = doc.createElement('depth')  title_text = doc.createTextNode(str(img_size[2]))  title.appendChild(title_text)  size.appendChild(title)  for split_line in split_lines:  line=split_line.strip().split()  if line[0] in class_ind:  object = doc.createElement('object')  annotation.appendChild(object)  title = doc.createElement('name')  title_text = doc.createTextNode(line[0])  title.appendChild(title_text)  object.appendChild(title)  title = doc.createElement('difficult')  title_text = doc.createTextNode('0')  title.appendChild(title_text)  object.appendChild(title)  bndbox = doc.createElement('bndbox')  object.appendChild(bndbox)  title = doc.createElement('xmin')  title_text = doc.createTextNode(str(int(float(line[4]))))  title.appendChild(title_text)  bndbox.appendChild(title)  title = doc.createElement('ymin')  title_text = doc.createTextNode(str(int(float(line[5]))))  title.appendChild(title_text)  bndbox.appendChild(title)  title = doc.createElement('xmax')  title_text = doc.createTextNode(str(int(float(line[6]))))  title.appendChild(title_text)  bndbox.appendChild(title)  title = doc.createElement('ymax')  title_text = doc.createTextNode(str(int(float(line[7]))))  title.appendChild(title_text)  bndbox.appendChild(title)  # 将DOM对象doc写入文件  f = open('/data1/faster-rcnn.pytorch/data/VOCdevkit/VOC2007/Annotations/'+name+'.xml','w')   # Annotations/#f = open('Annotations/'+name+'.xml','w')f.write(doc.toprettyxml(indent = ''))  f.close()  if __name__ == '__main__':  class_ind=('van', 'tram', 'car', 'pedestrian', 'truck')#修改为了5类  cur_dir=os.getcwd()  print(cur_dir) #wjglabels_dir=os.path.join(cur_dir,'label_2') print(labels_dir)  #wjgfor parent, dirnames, filenames in os.walk(labels_dir): # 分别得到根目录，子目录和根目录下文件     for file_name in filenames:  full_path=os.path.join(parent, file_name) # 获取文件全路径  #print full_path  print(full_path) # wjgf=open(full_path)  split_lines = f.readlines()  name= file_name[:-4] # 后四位是扩展名.txt，只取前面的文件名  #print name  img_name=name+'.jpg'  img_path=os.path.join('/data1/faster-rcnn.pytorch/data/VOCdevkit/VOC2007/JPEGImages',img_name) # 路径需要自行修改              #print img_path  # wjgprint("img_path",img_path)img_size=cv2.imread(img_path).shape  generate_xml(name,split_lines,img_size,class_ind)  
print('all txts has converted into xmls')  

七、生成检索txt文件

  在faster rcnn中文件夹ImageSets/Main和ImageSets/Layout中是用来存放检索训练测试数据的txt文件。因此，我们要根据新的label_2中的txt文件来划分。除了要提前建好文件夹之外，要修改的地方就是类别来，也是要和之前的匹配。

# create_train_test_txt.py  
# encoding:utf-8  
import pdb  
import glob  
import os  
import random  
import math  def get_sample_value(txt_name, category_name):  label_path = './label_2/'  txt_path = label_path + txt_name+'.txt'  try:  with open(txt_path) as r_tdf:  if category_name in r_tdf.read():  return ' 1'  else:  return '-1'  except IOError as ioerr:  print('File error:'+str(ioerr))  txt_list_path = glob.glob('./label_2/*.txt')  
txt_list = []  for item in txt_list_path:  temp1,temp2 = os.path.splitext(os.path.basename(item))  txt_list.append(temp1)  
txt_list.sort()  
print(txt_list, end = '\n\n')  # 有博客建议train:val:test=8:1:1，先尝试用一下  
num_trainval = random.sample(txt_list, math.floor(len(txt_list)*9/10.0)) # 可修改百分比  
num_trainval.sort()  
print(num_trainval, end = '\n\n')  num_train = random.sample(num_trainval,math.floor(len(num_trainval)*8/9.0)) # 可修改百分比  
num_train.sort()  
print(num_train, end = '\n\n')  num_val = list(set(num_trainval).difference(set(num_train)))  
num_val.sort()  
print(num_val, end = '\n\n')  num_test = list(set(txt_list).difference(set(num_trainval)))  
num_test.sort()  
print(num_test, end = '\n\n')  # pdb.set_trace()  # wjgMain_path = '/data1/faster-rcnn.pytorch/data/VOCdevkit/VOC2007/ImageSets/Main/'  
train_test_name = ['trainval','train','val','test']  
category_name = ['van', 'tram', 'car', 'pedestrian', 'truck']#修改类别  # 循环写trainvl train val test  
for item_train_test_name in train_test_name:  list_name = 'num_'  list_name += item_train_test_name  train_test_txt_name = Main_path + item_train_test_name + '.txt'   try:  # 写单个文件  with open(train_test_txt_name, 'w') as w_tdf:  # 一行一行写  for item in eval(list_name):  w_tdf.write(item+'\n')  # 循环写Car Pedestrian Cyclist  for item_category_name in category_name:  category_txt_name = Main_path + item_category_name + '_' + item_train_test_name + '.txt'  with open(category_txt_name, 'w') as w_tdf:  # 一行一行写  for item in eval(list_name):  w_tdf.write(item+' '+ get_sample_value(item, item_category_name)+'\n')  except IOError as ioerr:  print('File error:'+str(ioerr)) 

  然后就可以得到一大堆的文件，将这些都复制到ImageSets/Main和ImageSets/Layout，准备工作就做完了。

  当然在训练过程中可能会出现其他问题，具体将在之后的博客faster-rcnn.pytorch-1.0指南（四）——训练自己的数据集中做介绍。