(训练三)王朗自然保护区---数据集部分补充说明:计算xml文件里面目标数量　　生成训练和测试的txt文件

1 计算xml文件里面目标数量

# -*- coding:utf-8 -*-
import os
import xml.etree.ElementTree as ET
import numpy as npnp.set_printoptions(suppress=True, threshold=10000000)
import matplotlib
from PIL import Imagedef parse_obj(xml_path, filename):tree = ET.parse(xml_path + filename)objects = []for obj in tree.findall('object'):obj_struct = {}obj_struct['name'] = obj.find('name').textobjects.append(obj_struct)return objectsdef read_image(image_path, filename):im = Image.open(image_path + filename)W = im.size[0]H = im.size[1]area = W * Him_info = [W, H, area]return im_infoif __name__ == '__main__':xml_path = 'Annotations/'filenamess = os.listdir(xml_path)filenames = []for name in filenamess:name = name.replace('.xml', '')filenames.append(name)recs = {}obs_shape = {}classnames = []num_objs = {}obj_avg = {}for i, name in enumerate(filenames):recs[name] = parse_obj(xml_path, name + '.xml')for name in filenames:for object in recs[name]:if object['name'] not in num_objs.keys():num_objs[object['name']] = 1else:num_objs[object['name']] += 1if object['name'] not in classnames:classnames.append(object['name'])sum = 0for name in classnames:print('{}:{}个'.format(name, num_objs[name]))sum += num_objs[name]print('信息统计算完毕。')print('总目标数:', sum)

如图位置放置-运行就可以统计xml文件里面目标数量

对应修改datasets/pascalvoc_2007.py 文件里面的数值即可　　（注意这里的NUM_CLASSES=14）

2 放在如图路径-生成test.txt等文件

import os
import randomtrainval_percent = 0.8
train_percent = 0.7
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')for i in list:name = total_xml[i][:-4] + '\n'if i in trainval:ftrainval.write(name)if i in train:ftrain.write(name)else:fval.write(name)else:ftest.write(name)ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

(训练三)王朗自然保护区---数据集部分补充说明:计算xml文件里面目标数量　　生成训练和测试的txt文件相关推荐

(训练一)王朗自然保护区---目标检测数据集介绍　　balancap/ssd训练介绍
1数据集准备 1 王朗DIY 2 这个数据集要放在ssd目录下: /home/hp/z../Tensorflow/Deeplearning/SSD-Tensorflow-master 我们使用的tf框 ...
(训练二)王朗自然保护区---训练前准备,设置
参考:https://blog.csdn.net/weixin_39881922/article/details/80569803 1 xml目标计算参考:https://blog.csdn.net/ ...
mmdetection训练自己的VOC数据集及常见问题
训练自己的COCO数据集及常见问题见下文: mmdetection训练自己的COCO数据集及常见问题_不瘦8斤的妥球球饼的博客-CSDN博客目录一.环境安装二.训练测试步骤三.常见问题 bat ...
YOLOX训练自己标注的数据集
参考原作者:YOLOX训练自己的数据集(超详细)_AI小白一枚的博客-CSDN博客_yolox训练自己的数据集 YOLOX是旷视提出来的,研究者将解耦头.数据增强.无锚点以及标签分类等目标检测领域的优 ...
CIFAR-10模型训练python版cifar10数据集
在之前的博客中已经对CIFAR-10做了整体的解析,但是目前从tensorflow/models/tree/master/tutorials/image/cifar10中下载下来,运行cifar10_ ...
制作数据集（二）--为图片数据集打上标签并保存为txt文件
概要由于我自己的项目缺少合适的数据集,所以我需要自己制作数据集,即我需要自己完成从用摄像头录制视频到制作图片数据集的整个过程.上一篇博客记录了我将视频数据剪辑为图片数据的过程.这一片博客旨在记录我为 ...
比赛中学习（2）-voc数据集制作中将.txt文件变为.xml文件
描述和voc数据集制作有一点不同的是,因为参加的比赛中坐标给了4个,也就是说目标的形状可能是是平行四边形.所以和voc数据集有点不同啊.放出一张.txt文件的形式最后的结果大致是这样的(和上面的图 ...
使用CycleGAN训练自己制作的数据集，通俗教程，快速上手
总结了使用CycleGAN训练自己制作的数据集,这里的教程例子主要就是官网给出的斑马变马,马变斑马,两个不同域之间的相互转换.教程中提供了官网给的源码包和我自己调试优化好的源码包,大家根据自己的情况下 ...
完整实现利用tensorflow训练自己的图片数据集
经过差不多一个礼拜的时间的学习,终于把完整的一个利用自己爬取的图片做训练数据集的卷积神经网络的实现(基于tensorflow) 目录总体思路第三部分:预处理第四部分:网络模型第五部分:训练 2 ...

(训练三)王朗自然保护区---数据集部分补充说明:计算xml文件里面目标数量　　生成训练和测试的txt文件

(训练三)王朗自然保护区---数据集部分补充说明:计算xml文件里面目标数量　　生成训练和测试的txt文件相关推荐

最新文章

热门文章

(训练三)王朗自然保护区---数据集部分补充说明:计算xml文件里面目标数量 生成训练和测试的txt文件

(训练三)王朗自然保护区---数据集部分补充说明:计算xml文件里面目标数量 生成训练和测试的txt文件相关推荐

最新文章

热门文章

(训练三)王朗自然保护区---数据集部分补充说明:计算xml文件里面目标数量　　生成训练和测试的txt文件

(训练三)王朗自然保护区---数据集部分补充说明:计算xml文件里面目标数量　　生成训练和测试的txt文件相关推荐