Object Detection API(2)—— 自定义数据组织

Object Detection API(2)—— 自定义数据组织:

本节的目的在于记录将自己的数据组织成Object Detection API可以训练的数据,即record格式。

(1)标注图像:使用lablme开源工具,自行百度下载,GitHub有各平台安装方法。

下面给出windows平台与Anaconda环境下的安装方式

You need install Anaconda, then run below:

# python2

conda create --name=labelme python=2.7source activate labelme# conda install -c conda-forge pyside2

conda install pyqt

pip install labelme# if you'd like to use the latest version. run below:# pip install git+https://github.com/wkentaro/labelme.git

# python3

conda create --name=labelme python=3.6source activate labelme# conda install -c conda-forge pyside2# conda install pyqt

pip install pyqt5  # pyqt5 can be installed via pip on python3

pip install labelme


(2)使用开源标注工具Lablme来标注图像,生成了.xml格式的标注数据,数据包括了目标名称,坐上角坐标,右下角坐标等。

(3)然后通过Object Detection API生成record数据:

运行data-precess.py程序,代码参考[1],本文对其进行了修改,加入了xml读取函数,可以直接读取xml格式的标注文件,生成record数据。输入文件为”标注.xml”与 “原图像.jpg”输出文件为:Out.record


程序运行过程中遇到一些问题:

  E1:

Traceback (most recent call last):

  File "G:/git/models-master/research/Data_preprocessing.py", line 143, in

    tf.app.run()

  File "C:\Users\Administrator\Anaconda3\lib\site-packages\tensorflow\python\platform\app.py", line 126, in run

    _sys.exit(main(argv))

  File "G:/git/models-master/research/Data_preprocessing.py", line 136, in main

    tf_example = create_tf_example(img_url,ans_url)

  File "G:/git/models-master/research/Data_preprocessing.py", line 119, in create_tf_example

    'image/object/class/text': dataset_util.bytes_list_feature(classes_text),

  File "G:\git\models-master\research\object_detection\utils\dataset_util.py", line 34, in bytes_list_feature

    return tf.train.Feature(bytes_list=tf.train.BytesList(value=value))

TypeError: 'face' has type str, but expected one of: bytes


解决如下:

E2:

Traceback (most recent call last):

  File "G:/git/models-master/research/Data_preprocessing.py", line 143, in

    tf.app.run()

  File "C:\Users\Administrator\Anaconda3\lib\site-packages\tensorflow\python\platform\app.py", line 126, in run

    _sys.exit(main(argv))

  File "G:/git/models-master/research/Data_preprocessing.py", line 125, in main

    writer = tf.python_io.TFRecordWriter(FLAGS.output_path)#'./out.record'

  File "C:\Users\Administrator\Anaconda3\lib\site-packages\tensorflow\python\lib\io\tf_record.py", line 111, in __init__

    compat.as_bytes(path), compat.as_bytes(compression_type), status)

  File "C:\Users\Administrator\Anaconda3\lib\site-packages\tensorflow\python\framework\errors_impl.py", line 516, in __exit__

    c_api.TF_GetCode(self.status.status))

tensorflow.python.framework.errors_impl.UnknownError: Failed to create a NewWriteableFile: G:/git/models-master/research/date_demo/ : \udcbe?\udcf8\udcb7\udcc3\udcce?\udca3

; Input/output error


解决如下:




参考资料:

[1]https://github.com/luyishisi/tensorflow/tree/master/4.Object_Detection

版权声明:本文为博主原创文章,转载请联系作者取得授权。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容