1. 官方标记文件
<annotation>
<folder>VOC2007</folder>
<filename>000007.jpg</filename>
<source>
<database>The VOC2007 Database</database>
<annotation>PASCAL VOC2007</annotation>
<image>flickr</image>
<flickrid>194179466</flickrid>
</source>
<owner>
<flickrid>monsieurrompu</flickrid>
<name>Thom Zemanek</name>
</owner>
<size>
<width>500</width>
<height>333</height>
<depth>3</depth>
</size>
<segmented>0</segmented>
<object>
<name>car</name>
<pose>Unspecified</pose>
<truncated>1</truncated>
<difficult>0</difficult>
<bndbox>
<xmin>141</xmin>
<ymin>50</ymin>
<xmax>500</xmax>
<ymax>330</ymax>
</bndbox>
</object>
</annotation>
- bndbox: [xmin, ymin, xmax, ymax] , 值为absolute值， 具体读取方法参考github SSD Pytorch 的实现。
- 一般的检测，默认的是当 difficult==1 时， 该bndbox不作为训练的ground truth。
SSD Pytorch
1.1 送入 data augmentation 的格式
image：
- dtype=np.uint8
- shape = (height, width, channel)
heitht, width 保持图片原尺寸
color channel : RGB
code:
img = cv2.imread()
img = img[:, :, (2, 1, 0)]
cv2.imread() 默认读取数据格式：
- dtype=np.uint8 (0-255)
- img: (height, width, channels)
- colar format : BGR channels(b, g, r)
通过
img = img[:, :, (2, 1, 0)]
将color channel 从BGR 转到 RGB
Box:
[
[xmin1, ymin1, xmax1, ymax1, label1],
[xmin2, ymin2, xmax2, yamx2, label2],
......
]
value:
- coordinate : [0~1]
- label: [0~19]
ssd pytorch data augmentation
ConvertFromInts(),
ToAbsoluteCoords(),
PhotometricDistort(),
Expand(self.mean),
RandomSampleCrop(),
RandomMirror(),
ToPercentCoords(),
Resize(self.size),
SubtractMeans(self.mean)
data augmentation的输出数据格式
image
image：
- dtype=np.float32
- shape = (height, width, channel)
heitht, width = (300, 300) 或者（512， 512） 指定的网络输入图片尺寸
color channel : RGB
Box:
[
[xmin1, ymin1, xmax1, ymax1, label1],
[xmin2, ymin2, xmax2, yamx2, label2],
......
]
value:
- coordinate : [0~1]
- label: [0~19]
