Pascal VOC数据集标注

标注数据文件

目前流行的数据标注文件格式主要有VOC_2007、VOC_2012，该文本格式来源于Pascal VOC标准数据集，这是衡量图像分类识别能力的重要基准之一。本文采用VOC_2007数据格式文件，以xml格式存储。

1，首先安装标注工具labelxml，相关教程可以参考如下链接：

https://www.cnblogs.com/kxqblog/p/16021711.html

2，安装完毕后，新建一个文件夹，在文件夹下新建以下三个文件夹：

Annotations 文件夹

该文件夹下存放的是每一个图片的标注信息，文件都是.xml格式，文件名和图片名是一致的对于该xml的格式。

JPEGImages 文件夹

该文件夹下存放着所有的训练集图片，格式都是.jpg。

ImageSets 文件夹

在这个文件夹中还有一个Main文件夹，这个文件夹中主要有四个.txt文件，分别是train.txt、test.txt、trainval.txt、val.txt。

test.txt中保存的是测试所用的所有样本的名字，不过没有后缀（下同）,一般测试的样本数量占总数据集的50%

train.txt中保存的是训练所用的样本名，样本数量通常占trainval的50%左右

val.txt中保存的是验证所用的样本名，数量占trainval的50%左右

trainval.txt中保存的是训练验证样本，是上面两个的总和，一般数量占总数据集的50%

补充说明：一般VOC数据集组织如下：

└─VOCdevkit
    └─VOC2012
        ├─Annotations 
        ├─ImageSets
        │  ├─Action
        │  ├─Layout
        │  ├─Main
        │  └─Segmentation
        ├─JPEGImages
        ├─SegmentationClass
        └─SegmentationObject

前三个已经详细说明，下面解释4，5两个说明语义分割与实例分割，当然这两个文件夹具体名字并不叫语义分割与实例分割，只是经过语义分割与实例分割的图像存放于这两个文件夹下。

语义分割（SegmentationClass）

通常意义上的目标分割指的就是语义分割，图像语义分割，简而言之就是对一张图片上的所有像素点进行分类，即对图像中的每个像素都划分出对应的类别，实现像素级别的分类。

举例说明：语义分割（下图左）就是需要区分到图中每一点像素点，而不仅仅是矩形框框住了。但是同一物体的不同实例不需要单独分割出来。对下图左，标注为人，羊，狗，草地。而不需要羊1，羊2，羊3，羊4，羊5等

实例分割（SegmentationClass）

而类的具体对象，即为实例，那么实例分割不但要进行像素级别的分类，还需在具体的类别基础上区别开不同的实例。举例说明1：比如说图像有多个人甲、乙、丙，那边他们的语义分割结果都是人，而实例分割结果却是不同的对象，具体如下图所示：

3，标注图像

在tensorflow环境下打开labelxml，将图片集放在JPEGImages文件夹里面，注意图片的格式必须是jpg格式的。打开labelImg标注工具，然后点击左侧的工具栏“Open Dir”按钮，选择刚才放在JPEGImages文件夹。这时，主界面将会自动加载第一张待标注照片。

点击“Change Save Dir”选择同一目录下的“Annotations”文件夹作为xml数据目录。点击左侧工具栏的“Create RectBox”按钮，然后在主界面上点击拉个矩形框，将猫出来。圈定后，将会弹出一个对话框，用于输入标注物体的名称，输入jumao作为猫的名称。

之后，点击左侧工具栏的“Save”按钮，由于之前选择刚才创建的Annotations作为保存目录，系统将自动生成voc_2007格式的xml文件保存起来。这样就完成了一张熊猫照片的物体标注了。

接下来点击左侧工具栏的“Next Image”进入下一张图像，按照以上步骤，画框、输入名称、保存，如此反复，直到把所有照片都标注好，保存起来。

4，划分训练集、测试集、验证集

完成所有熊猫照片的标注后，还要将数据集划分下训练集、测试集和验证集。在ImageSets文件夹下新建一个Main文件夹。
在github上下载一个自动划分的脚本:https://github.com/EddyGao/make_VOC2007/blob/master/make_main_txt.py 然后执行以下代码：

import os
import random

trainval_percent = 0.66
train_percent = 0.5
xmlfilepath = 'C:\\Users\username\\Desktop\\ImageData\\Pascal_VOC\\Annotations'
txtsavepath = 'C:\\Users\\username\\Desktop\\ImageData\\Pascal_VOC\\ImageSets\\Main'
total_xml = os.listdir(xmlfilepath)

num=len(total_xml)
list=range(num)
tv=int(num*trainval_percent)
tr=int(tv*train_percent)
trainval= random.sample(list,tv)
train=random.sample(trainval,tr)

ftrainval = open('C:\\Users\\username\\Desktop\\ImageData\\Pascal_VOC\\ImageSets\\Main\\trainval.txt', 'w')
ftest = open('C:\\Users\\username\\Desktop\\ImageData\\Pascal_VOC\\ImageSets\\Main\\test.txt', 'w')
ftrain = open('C:\\Users\\username\\Desktop\\ImageData\\Pascal_VOC\\ImageSets\\Main\\train.txt', 'w')
fval = open('C:\\Users\\username\\Desktop\\ImageData\\Pascal_VOC\\ImageSets\\Main\\val.txt', 'w')

for i  in list:
    name=total_xml[i][:-4]+'\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest .close()