水果识别-数据集制作

水果识别

水果识别-搭建框架
水果识别-数据集制作
水果识别-训练
水果识别-测试

数据集制作包括：

• 图片获取
• 图片标注
• 处理成VOC数据集格式

1. 图片获取因为需要很多的照片，所以为了效率也为了不把快门按到手软，于是先拍个视频然后把视频转化成图片。用ffmpeg工具。安装ffmpeg工具
   
   sudo apt install ffmpeg

   1 2	sudo apt install ffmpeg

   
   将视频转成图片
   
   ffmpeg -i ./test/video.mp4 -r 10 -f image2 ./destination/%05d.jpg

   1 2	ffmpeg -i ./test/video.mp4 -r 10 -f image2 ./destination/%05d.jpg

   
   ./test/video.mp4 表示要转化的视频

   10 表示每秒保存10帧

   ./destination 表示转的的图片存储目录

   %05d.jpg 图片命名规则，表示5位数不够用0补足，除了.jpg还可以是.png、.bmp等格式

2. 图片标注，安装使用labelImg
   Python 2 + Qt4
   git clone https://github.com/tzutalin/labelImg.git cd labelImg sudo apt-get install pyqt4-dev-tools sudo pip install lxml make qt4py2 python labelImg.py python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

   1 2 3 4 5 6 7 8

   git clone https://github.com/tzutalin/labelImg.git cd labelImg sudo apt-get install pyqt4-dev-tools sudo pip install lxml make qt4py2 python labelImg.py python labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

   Python 3 + Qt5 (Recommended)

   git clone https://github.com/tzutalin/labelImg.git cd labelImg sudo apt-get install pyqt5-dev-tools sudo pip3 install -r requirements/requirements-linux-python3.txt make qt5py3 python3 labelImg.py python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

   1 2 3 4 5 6 7 8

   git clone https://github.com/tzutalin/labelImg.git cd labelImg sudo apt-get install pyqt5-dev-tools sudo pip3 install -r requirements/requirements-linux-python3.txt make qt5py3 python3 labelImg.py python3 labelImg.py [IMAGE_PATH] [PRE-DEFINED CLASS FILE]

   然后在图形用户界面标记图片，标记后会生成xml文件。

   操作界面：

   

   相应图片与生成的xml文件如下所示：

   

   

3. 然后把标记后的图片保存成VOC数据集的格式，数据集结构为：
   
   --VOC --Annotations --ImageSets --Main --Layout --Segmentation --JPEGImages --SegmentationClass --SegmentationObjec

   1 2 3 4 5 6 7 8 9 10

   --VOC    --Annotations    --ImageSets      --Main      --Layout      --Segmentation    --JPEGImages    --SegmentationClass    --SegmentationObjec

   
   在水果识别中只用到了Annotations，ImageSets，JPEGImages这三个文件夹。把第二步生成的xml文件放在Annotations文件夹中，把原图放在JPEGImages文件夹中，并且让每个jpg图片对应一个xml文件。ImageSets中在这里只用到了Main文件夹，其他的在识别水果中都用不到。Main文件夹中存放train.txt，test.txt等文件，指定哪些数据用来训练哪些数据用来测试，里面保存不带后缀的图片名称列表，在这里只要训练用到的train.txt文件。所以这里用到的数据集是修改过得VOC数据集，结构为：
   
   --VOC --Annotations --ImageSets --Main --JPEGImages

   1 2 3 4 5 6

   --VOC    --Annotations    --ImageSets      --Main    --JPEGImages

   
   同时注意外层文件夹命名成VOC2007（一定是名字+年份，因为后面作为参数输入是直接输入的年份）。这样数据集就做好了，做好的训练集放在/darknet/scripts/VOCdevkit目录下，然后准备训练。