制作自己的VOC資料集

由于最近在用自己的資料複現deeplabv3+的代碼，需要用到VOC格式的資料集，這裡将主要介紹一下如何将自己的資料集轉化為VOC資料集。

首先VOC資料集的格式如下：

• ImageSets
  • Segmentation
    • tain.txt
    • val.txt
    • test.txt
• JPEGImages

• SegmentationClass

  其中JPEGImages存放.jpg格式的原圖，SegmentationClass存放與JPEGImages一一對應的.png格式的标簽圖檔。

  

要制作自己的VOC資料集，預設你已經做好了如下準備：

• 使用labelme标注了資料并将json檔案批量轉化
• 将所有待訓練的原圖都存放在一個檔案夾中

是以我們接下來的工作就是

• 從批量轉化的json檔案中挑出我們需要的label.png檔案并重新命名并存儲到SegmentationClass檔案夾下
• 将原圖複制到JPEGImages中并重新命名。（其中需要注意的是JPEGImages和SegmentationClass中的圖檔需要名稱和位置一一對應）
• 生成.txt檔案

用到的代碼如下所示

import os
import shutil
from sklearn.model_selection import train_test_split
#從json中挑出mask檔案

inputdir = r'F:\test0628'   #存放json檔案的檔案夾
outputdir = r'F:\MyDataset\Seghybrid\SegmentationClass' 
c = 1
for dir in os.listdir(inputdir):
    # 設定舊檔案名（就是路徑+檔案名）
    oldname = inputdir + os.sep + dir + os.sep + 'label.png'  # os.sep添加系統分隔符

    # 設定新檔案名
    #c = outputdir + os.sep + dir.split('_')[1]

    a = "0" * (6 - len(str(c)))
    newname = outputdir + os.sep + a + str(c) + '.png'
    shutil.copyfile(oldname, newname)  # 用os子產品中的rename方法對檔案改名
    print(oldname, '======>', newname)
    c += 1
'''
#原始資料轉換  
inputdir = r'F:\ProcessData\AllData'    #存放初始資料的檔案夾
outputdir = r'F:\MyDataset\Seghybrid\JPEGImages'
c = 1
for dir in os.listdir(inputdir):
    # 設定舊檔案名（就是路徑+檔案名）
    oldname = inputdir + os.sep + dir   # os.sep添加系統分隔符

    # 設定新檔案名
    #c = outputdir + os.sep + dir.split('_')[1]

    a = "0" * (6 - len(str(c)))
    newname =outputdir + os.sep +a + str(c) + '.jpg'
    shutil.copyfile(oldname, newname)  # 用os子產品中的rename方法對檔案改名
    print(oldname, '======>', newname)
    c += 1
    
    
    
#生成txt檔案
imagedir = 'F:\MyDataset\Seghybrid\JPEGImages'
outdir = r'F:\MyDataset\Seghybrid\ImageSets\Segmentation'

images = []
for file in os.listdir(imagedir):
    filename = file.split('.')[0]
    images.append(filename)
# 訓練集測試集驗證集比例為：4：2：2
train, test = train_test_split(images, train_size=0.5, random_state=0)
val, test = train_test_split(test, train_size=0.5, random_state=0)

with open(outdir + os.sep +"train.txt", 'w') as f:
    f.write('\n'.join(train))
with open(outdir + os.sep +"val.txt", 'w') as f:
    f.write('\n'.join(val))
with open(outdir + os.sep +"test.txt", 'w') as f:
    f.write('\n'.join(test))
'''