PaddleDetection——准备数据

 2021SC@SDUSC 

本项目使用road-sign-detection 比赛数据，检测4种路标：

• speedlimit
• crosswalk
• trafficlight
• stop

划分成训练集和测试集，总共877张图，其中训练集701张图、测试集176张图。

本项目提供voc格式和coco格式的数据：

1. voc格式：

        划分好的数据下载地址为： roadsign_voc.tar。

        AiStudio上数据地址：roadsign_voc

     2.coco格式：

        划分好的数据下载地址为：roadsign_coco.tar。

        AiStudio上数据地址：roadsign_coco

将~/data/文件夹下的数据解压到PaddleDetection/dataset/文件夹下。 

%cd ~/work/PaddleDetection/dataset/
! pwd
! ls ~/data -l

VOC数据格式的目标检测数据，是指每个图像文件对应一个同名的xml文件，xml文件中标记物体框的坐标和类别等信息。

Pascal VOC比赛对目标检测任务，对目标物体是否遮挡、是否被截断、是否是难检测物体进行了标注。对于用户自定义数据可根据实际情况对这些字段进行标注。

xml文件中包含以下字段：

• filename，表示图像名称。

  road650.png
  

• size，表示图像尺寸。包括：图像宽度、图像高度、图像深度

	300
	400
	3

object字段，表示每个物体。包括

• name: 目标物体类别名称
• pose: 关于目标物体姿态描述（非必须字段）
• truncated: 目标物体目标因为各种原因被截断（非必须字段）
• occluded: 目标物体是否被遮挡（非必须字段）
• difficult: 目标物体是否是很难识别（非必须字段）
• bndbox: 物体位置坐标，用左上角坐标和右下角坐标表示：xmin、ymin、xmax、ymax
   

将~/data/data49531/roadsign_voc.tar解压到PaddleDetection/dataset/roadsign_voc下 

%cd ~/work/PaddleDetection/dataset/roadsign_voc/
! pwd

# copy roadsign_voc.tar and extract
! cp ~/data/data49531/roadsign_voc.tar .
! tar -xvf roadsign_voc.tar
! rm -rf roadsign_voc.tar

# 查看一条数据
! cat ./annotations/road650.xml

coco数据格式，是指将所有训练图像的标注都存放到一个json文件中。数据以字典嵌套的形式存放。

json文件中存放了 info licenses images annotations categories 的信息:

• info中存放标注文件标注时间、版本等信息。
• licenses中存放数据许可信息。
• images中存放一个list，存放所有图像的图像名，下载地址，图像宽度，图像高度，图像在数据集中的id等信息。
• annotations中存放一个list，存放所有图像的所有物体区域的标注信息，每个目标物体标注以下信息：

    {
    	'area': 899, 
    	'iscrowd': 0, 
        'image_id': 839, 
        'bbox': [114, 126, 31, 29], 
        'category_id': 0, 'id': 1, 
        'ignore': 0, 
        'segmentation': []
    }

将~/data/data49531/roadsign_coco.tar解压到PaddleDetection/dataset/roadsign_coco下 

%cd ~/work/PaddleDetection/dataset/
! mkdir roadsign_coco
%cd ~/work/PaddleDetection/dataset/roadsign_coco/
! pwd

# copy roadsign_coco.tar and extract
! cp ~/data/data52968/roadsign_coco.tar .
! tar -xvf roadsign_coco.tar
! rm -rf roadsign_coco.tar

# 查看一条数据
import json
coco_anno = json.load(open('./annotations/train.json'))

# coco_anno.keys
print('nkeys:', coco_anno.keys())

# 查看类别信息
print('n物体类别:', coco_anno['categories'])

# 查看一共多少张图
print('n图像数量：', len(coco_anno['images']))

# 查看一共多少个目标物体
print('n标注物体数量：', len(coco_anno['annotations']))

# 查看一条目标物体标注信息
print('n查看一条目标物体标注信息：', coco_anno['annotations'][0])