Python 制作Pascal VOC数据集

下图是 Pascal VOC 数据集格式。

1、 Annotations 目录是存放 xml 文件；

2、 ImageSets 目录是存放 txt 文件，主要是测试集、训练集、验证集等文件名称的集合；

3、 JPEGImages 目录是存放图片文件（ jpg ）；

1、从 Annotations 目录下读取 xml 目录；

2、把 xml 目录，随机重置一下，这样在训练的时候，各个分类是随机读取，不会出现某一个分类聚集读取，从而影响训练效果。当然，你也可以在训练的时候选择随机重置，道理是一样的；

3、创建将要写入的 txt 文件。这里示范了训练集、验证集，其他的可自行添加；

4、读取目录文件，通过前缀判断，写入 txt 文件。

有时候不需要指定数据集，只是从一个大的原始数据集中，随机选取一部分当中训练集、一部分当作验证集、一部分当作测试集。

本文以 Faster R-CNN 为例，介绍如何修改 MMDetection v2 的配置文件，来训练 VOC 格式的自定义数据集。

2021.9.1 更新： 适配 MMDetection v2.16

目录：

服务器的环境配置：

./configs/_base_ 的目录结构：

可以看出，包含四类配置：

打开 ./configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py ：

修改数据集配置的路径：

打开 ./configs/_base_/datasets/voc0712.py ：

打开 ./configs/_base_/models/faster_rcnn_r50_fpn.py ：

修改 roi_head 的类别个数 num_classes ：

打开 ./configs/_base_/schedules/schedule_1x.py ：

修改学习率 lr 和迭代轮数 total_epochs ：

打开 ./configs/_base_/default_runtime.py ：

修改 log_config 的日志记录间隔 interval ，并开启 TensorBoard 记录器：

另外，也可以将上面步骤 1-5 修改的配置写在一个文件中。

这样就能够更方便地管理不同的配置文件，避免因频繁修改导致出错。

在训练和测试时，遇到的一些容易报错的地方，这里做下记录。

修改 VOCDataset() 的标签类别 CLASSES ：

修改 voc_classes() 返回的标签类别：

如果是自定义数据集的名字，需要注释报错信息 ValueError ，并将 self.year 设为 None ：

如果图像文件不是 jpg 格式，需要将 filename 和 img_path 的后缀名改为相应格式：

如果标注文件中不存在 difficult 标签，需要将 difficult 设为 0 ：

将 results 中的 20 改为自定义数据集的类别个数：

有帮助的话，点个赞再走吧，谢谢~

参考：

超图数据集管理基本 *** 作和添加删除属性表字段方法如下

bcbobo21cn

码龄16年

关注

打开一个自带数据源；这是一个数据源模板；里面数据是空的；

右击数据集，属性；

工作空间管理器选中矢量数据集，数据集属性面板中会显示：数据集、投影、矢量、属性表、值域五个面板；

数据集信息

面板中将显示该矢量数据集的属性信息，包括矢量数据集的基本信息、数据集范围信息以及数据集的详细描述信息；

坐标系

面板中显示该矢量数据集的坐标系信息

坐标系名称：显示矢量数据集的坐标系信息。

单位：显示矢量数据集的距离单位。

坐标系信息：显示矢量数据集投影的详细描述信息。

值域

面板显示该矢量数据集字段的值域信息，包括矢量数据集的字段别名、字段类型、值域类型及值域设置；

属性表面板；字段名称，别名，类型，长度，可空否，缺省值；

除了系统字段，自己的字段可自己管理；可添加、删除字段；点加号按钮，添加一个测试字段如下，字段名-mymemo，别名-注释，类型-字符，缺省值-"一切正常"；

---