voc

深度学习很多框架都在使用VOC数据集，所以先来研究一下voc数据集的具体内容。 以 PASCAL VOC2017 为例，它包含如下5个文件夹： JPEGImages Annotations ImageSets SegmentationClass SegmentationObject 1、JPEGImages PASCAL VOC提供的所有的图片，其中包括训练图片，测试图片。 2、Annotations 存放xml格式的标签文件，每个xml对应JPEGImage中的一张图片。可使用labelImg进行标注和查看。 图像标注工具labelImg安装教程及使用方法 < annotation > < folder > VOC2012 </ folder > < filename > 2007_000392.jpg </ filename > //文件名 < source > //图像来源（不重要） < database > The VOC2007 Database </ database > < annotation > PASCAL VOC2007 </ annotation > < image > flickr </ image > </ source > < size > //图像尺寸（长宽以及通道数） < width > 500 </ width > < height > 332

RFBNet 代码复现笔记 1.准备工作 （1）下载RFBNet git clone https://github.com/ruinmessi/RFBNet 环境配置需要pytorch0.4.0和python3+，网上有安装方式，不做赘述 （2）编译 cd RFBNet ./make.sh 编译时注意修改make.sh文件，cuda 的路径要与自己安装路径相同，python版本要对应python3以上。 作者提到在 utils/build.py 里面需要根据自己电脑的GPU算力修改对应的值，不知道具体算力值的可以百度，有详细的说明。 (4)准备数据集 代码复现支持两种数据集，分别是VOC和COCO，下载过程如下: cd RFBNet sh data/scripts/VOC2007.sh #该文件将VOC2007数据集自动下载整理好，但下载速度慢，建议自行下载 sh data/scripts/VOC2012.sh #该文件将VOC2012数据集自动下载整理好，但下载速度慢，建议自行下载 COCO数据集较大，建议自行下载，可以使用迅雷之类的下载工具，速度比较快。 2.训练 （1）预训练模型下载 mkdir weights cd weights wget https://s3.amazonaws.com/amdegroot-models/vgg16_reducedfc.pth （2）训练

前提： 可运行的yolov3环境，环境搭建见官网 https://pjreddie.com/darknet/yolo/ 目的： 实现利用yolov3训练自己的数据集（voc格式） 方法： 1） 构建VOC数据集 将你手中的数据集的标注txt修改成voc格式的txt，voc格式如下： 000002.jpg car 44 28 132 121 000003.jpg car 54 19 243 178 000004.jpg car 168 6 298 164 其中第一列为图片名，第二列为目标类别，最后是目标的包围框坐标（左上角和右下角坐标）。 批量修改文件名python代码： pic_path = "D:/VOCdevkit/VOC2007/JPEGImages/" piclist = os.listdir(pic_path) total_num = len(piclist) i = 1 for pic in piclist: if pic.endswith(".jpg"): old_path = os.path.join(os.path.abspath(pic_path), pic) new_path = os.path.join(os.path.abspath(pic_path), '000' + format(str(i), '0>5') + '.jpg') os.renames

1、下载 training, validation, test data 和 VOCdevkit wget http : //host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar wget http : //host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar wget http : //host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar 2、将压缩包解压到目录 VOCdevkit中 tar xvf VOCtrainval_06 - Nov - 2007.tar tar xvf VOCtest_06 - Nov - 2007.tar tar xvf VOCdevkit_08 - Jun - 2007.tar 3、目录基本结构如下 $VOCdevkit / # development kit $VOCdevkit / VOCcode / # VOC utility code $VOCdevkit / VOC2007 # image sets, annotations, etc. # ... and several other directories .

1、下载 training, validation, test data 和 VOCdevkit（pip install） wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtrainval_06-Nov-2007.tar wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCtest_06-Nov-2007.tar wget http://host.robots.ox.ac.uk/pascal/VOC/voc2007/VOCdevkit_08-Jun-2007.tar 2、将压缩包解压到目录 VOCdevkit中 tar xvf VOCtrainval_06-Nov-2007.tar tar xvf VOCtest_06-Nov-2007.tar tar xvf VOCdevkit_08-Jun-2007.tar 3、目录基本结构如下 $VOCdevkit/ # development kit $VOCdevkit/VOCcode/ # VOC utility code $VOCdevkit/VOC2007 # image sets, annotations, etc. # ... and several other directories ... 4、为