数据集：Udacity Self-Driving 目标检测数据集

转载自：http://blog.csdn.net/jesse_mx/article/details/72599220

前言

之前，博主为了得到更好的车载视频目标检测效果（偏工程实际，非刷榜），使用SSD框架训练过KITTI数据集，几次训练下来，结果不太理想。自己分析，原因较多，其中很重要的一条就是KITTI数据集不够大（标注图片仅7000多张），而且还是fine-tune from reduced VGG model，精度自然不会太高。解决方法大约有两种：一是扩充数据集；二是fine-tune已经训练好的SSD model，这样数据集小一点也能接受。这里先介绍方法一，而方法二还在探索中。

PS.数据集标注貌似不如KITTI严谨，存在几处关键错误，请慎重使用，已知的错误已更新在文中。

关于Udacity数据集

既然觉得数据偏少，一是可以增加类似的道路标注图片，如果自己动手，可以参考之前博文中介绍的LabelImg工具；二是直接换一个更大的目标检测数据集。这里本文就介绍一下偶然发现的Udacity目标检测数据集，这是Udacity为其自动驾驶算法比赛专门准备的数据集，对连续视频图片进行了仔细的标注（2D坐标），主要有汽车、行人、大型车辆等类别。

整个数据集分为两个子数据集，分别有9423和15000张图片，分辨率都是1920×1200，两个子数据集的标注文件稍有不同，不过接下来我会把他们合在一起，统一转换成Pascal VOC的格式。算下来Udacity数据集图片数量是KITTI的3倍多，在我看来训练SSD是差不多够用了。

制作数据集

首先要下载Dataset1 和Dataset2，一个是1.5GB，一个是3.3GB。如果常规方式下载太慢，建议使用EagleGet工具，用它下载国外链接就比较快了。

PS.找到了一个转换工具，还没测试过，感兴趣的可以试试：code to convert between KITTI, KITTI tracking, Pascal VOC, Udacity, CrowdAI and AUTTI

压缩图片

训练SSD300×300，原始图片分辨率可能偏高，个人感觉将图片大小压缩到原来的1/4，即960×600就比较合适。这里找到看图工具IrfanView，使用其批量转换功能来调整分辨率，得到新的同名压缩图片。

PS.这一步非必须，不做修改也是可用的!

生成标注txt文件

两个子数据集各有一个标注文件，名字应该都叫labels.csv，这是纯文本格式的文件，我们使用的话，直接把扩展名改为txt，方便python程序读取。由于标注信息都写在了一个文件内，我们需要将其按图片名分成若干个txt文件，最后再转化为xml文件。

PS.程序写的有点乱，具体路径还望各位自行修改。还有，两个标注文件中的已知错误如下，目前找出了6行标注有误，至于错误类型，相信看一眼就懂，然后可以直接修改或删除该行：

# 出错的标注语句
['912', '0', '951', '0', '1479498564477313399.jpg', 'car', 'http://crowdai.com/images/k-zz9yqpJIit7OuX/visualize']
['705', '0', '732', '0', '1479498820473341507.jpg', 'car', 'http://crowdai.com/images/Ng_nd_wBlqkgNDGb/visualize']
['721', '0', '751', '0', '1479499937073018706.jpg', 'car', 'http://crowdai.com/images/sbjD-93YWUi9hJ0c/visualize']
['763', '0', '793', '0', '1479505030914958665.jpg', 'pedestrian', 'http://crowdai.com/images/ONPwFZIwJ9yjwNQ1/visualize']['1478020279199978858.jpg', '1614', '536', '1924', '668', '1', 'car']
['1478897138029169863.jpg', '1728', '570', '1922', '724', '1', 'car']

Part 1

先看1.5GB数据集的标注信息，复制几行如下：

xmin,xmax,ymin,ymax,Frame,Label,Preview URL
785,533,905,644,1479498371963069978.jpg,Car,http://crowdai.com/images/Wwj-gorOCisE7uxA/visualize
89,551,291,680,1479498371963069978.jpg,Car,http://crowdai.com/images/Wwj-gorOCisE7uxA/visualize
268,546,383,650,1479498371963069978.jpg,Car,http://crowdai.com/images/Wwj-gorOCisE7uxA/visualize
455,522,548,615,1479498371963069978.jpg,Truck,http://crowdai.com/images/Wwj-gorOCisE7uxA/visualize

可以看出，标注信息相对简单，分别是左上角和右下角坐标、图片名、类别（Car,Pedestrian,Truck）以及预览链接（现在已经打不开了）。

下面使用转换工具generate_label_1.py工具生成若干个txt标注文件，每个文件都和同名图片对应。

# generate_label_1.py
# encoding:utf-8
file=open('/home/mx/tempfile/labels.txt','r') # 原始labels.txt的地址
for eachline in file:data=eachline.strip().split(',')filename=data[4]filename=filename[:-4]txt_path='/home/mx/tempfile/label_txt/'+filename+'.txt' # 生成的txt标注文件地址txt=open(txt_path,'a')# new_line=data[5]+' '+data[0]+' '+data[1]+' '+data[2]+' '+data[3] 如使用原始图片尺寸，该句取消注释# new_line=data[5]+' '+str(int(data[0])/2)+' '+str(int(data[1])/2)+' '+str(int(data[2])/2)+' '+str(int(data[3])/2) 如使用1/4图片尺寸，该句取消注释txt.writelines(new_line)txt.write('\n')txt.close()
file.close()
print('generate label success')

执行程序，可在指定文件夹内生成若干个txt标注文件，其内容如下：

# 1478019954685370994.txt
Truck 320 280 347 307
Car 331 288 354 312
Car 388 289 415 312
Car 746 236 915 304

Part 2

再看3.3GB数据集的标注信息，这个稍有不同，仍复制几行如下：

1478019952686311006.jpg 950 574 1004 620 0 "car"
1478019952686311006.jpg 1748 482 1818 744 0 "pedestrian"
1478019953180167674.jpg 872 586 926 632 0 "car"
1478019953689774621.jpg 686 566 728 618 1 "truck"
1478019971185917857.jpg 822 468 846 506 0 "trafficLight" "Red"
1478019971686116476.jpg 546 516 568 550 0 "trafficLight" "RedLeft"
1478019971686116476.jpg 584 568 638 606 1 "biker"

信息中的0和1代表是否被遮挡，此处用不上，且注意到出现了新的类别：信号灯（trafficLight）和骑车人（biker）。这里首先需要对labels.txt作出一定的修改：首先把所有双引号去掉，然后使用替换功能，将car替换成Car，pedestrian换成Pedestrian，truck换成Truck，biker换成Cyclist（适应KITTI的风格），类别名首字母转为大写是为了保证整个数据集的统一，否则出错。接下来使用generate_label_2.py 工具生成若干个txt标注文件。

# generate_label_2.py
# encoding:utf-8
file=open('D:\\DataSet\\labels.txt','r') # 原始labels.txt的地址
for eachline in file:data=eachline.strip().split(' ')filename=data[0]filename=filename[:-4]txt_path='D:\\DataSet\\labels\\'+filename+'.txt' # 生成的txt标注文件地址txt=open(txt_path,'a')if data[6]!='trafficLight': # 忽略信号灯的标注信息    new_line=data[6]+' '+str(int(data[1])/2)+' '+str(int(data[2])/2)+' '+str(int(data[3])/2)+' '+str(int(data[4])/2) # 使用了1/4图片尺寸，坐标均除以2txt.writelines(new_line)txt.write('\n')txt.close()
file.close()
print('generate label success')

去掉无标注的图片

上一步生成了若干标注txt文件，回头却发现和图片数量对应不上：子数据集1图片为9423，标注txt为9218；子数据集2图片为15000，标注txt为13063。原因是图片集是抽取视频而来，存在一些图片不含任何车辆行人目标，也就没有标注信息，而这些图片在SSD训练中是不能用的。因此需要用求补的方式，剔除无标注图片，参考使用remove_no_label_image.py。

# remove_no_label_image.py
# encoding:utf-8import oscur_dir='C:\\Users\\Jesse Mx\\Desktop'
txt_dir=os.path.join(cur_dir,'labels') # 标注txt文件夹地址
pic_dir=os.path.join(cur_dir,'image-half') # 图片集文件夹地址
txtlist=[]
piclist=[]
for parent,dirnames,filenames in os.walk(txt_dir):for txt_name in filenames:txt_name=txt_name[:-4]txtlist.append(txt_name)
for parent,dirnames,filenames in os.walk(pic_dir):for pic_name in filenames:pic_name=pic_name[:-4]piclist.append(pic_name)
txt_set=set(txtlist)
pic_set=set(piclist)
comp=pic_set.difference(txt_set) # 求补集print("ok")
print(len(comp)) # 无标注图片数量for item in comp:file=pic_dir+'\\'+item+'.jpg'if os.path.exists(file):os.remove(file)print(file)

生成xml文件

这一部分就需要参考我之前的博文了：SSD: Single Shot MultiBox Detector 训练KITTI数据集（1），按照VOC格式，在/home/mx/data之下新建CITYdevkit/CITY目录，然后CITY目录中新建四个文件夹：JPEGImages，Annotations，ImageSets，Labels。把22281张图片和22281个标注文件分别放入，转换xml的py文件也放在旁边备用，参考下图。

这里转换xml的工具代码需要稍作修改，一是修改类别，二是修改对应函数，避免读取错误。修改后的txt_to_xml.py代码如下：

# txt_to_xml.py
# txt_to_xml.py
# encoding:utf-8
# 根据一个给定的XML Schema，使用DOM树的形式从空白文件生成一个XML
from xml.dom.minidom import Document
import cv2
import osdef generate_xml(name,split_lines,img_size,class_ind):doc = Document()  # 创建DOM文档对象annotation = doc.createElement('annotation')doc.appendChild(annotation)title = doc.createElement('folder')title_text = doc.createTextNode('CITY')title.appendChild(title_text)annotation.appendChild(title)img_name=name+'.jpg'title = doc.createElement('filename')title_text = doc.createTextNode(img_name)title.appendChild(title_text)annotation.appendChild(title)source = doc.createElement('source')annotation.appendChild(source)title = doc.createElement('database')title_text = doc.createTextNode('The CITY Database')title.appendChild(title_text)source.appendChild(title)title = doc.createElement('annotation')title_text = doc.createTextNode('CITY')title.appendChild(title_text)source.appendChild(title)size = doc.createElement('size')annotation.appendChild(size)title = doc.createElement('width')title_text = doc.createTextNode(str(img_size[1]))title.appendChild(title_text)size.appendChild(title)title = doc.createElement('height')title_text = doc.createTextNode(str(img_size[0]))title.appendChild(title_text)size.appendChild(title)title = doc.createElement('depth')title_text = doc.createTextNode(str(img_size[2]))title.appendChild(title_text)size.appendChild(title)for split_line in split_lines:line=split_line.strip().split()if line[0] in class_ind:object = doc.createElement('object')annotation.appendChild(object)title = doc.createElement('name')title_text = doc.createTextNode(line[0])title.appendChild(title_text)object.appendChild(title)bndbox = doc.createElement('bndbox')object.appendChild(bndbox)title = doc.createElement('xmin')title_text = doc.createTextNode(str(int(float(line[1]))))title.appendChild(title_text)bndbox.appendChild(title)title = doc.createElement('ymin')title_text = doc.createTextNode(str(int(float(line[2]))))title.appendChild(title_text)bndbox.appendChild(title)title = doc.createElement('xmax')title_text = doc.createTextNode(str(int(float(line[3]))))title.appendChild(title_text)bndbox.appendChild(title)title = doc.createElement('ymax')title_text = doc.createTextNode(str(int(float(line[4]))))title.appendChild(title_text)bndbox.appendChild(title)# 将DOM对象doc写入文件f = open('Annotations/'+name+'.xml','w')f.write(doc.toprettyxml(indent = ''))f.close()if __name__ == '__main__':class_ind=('Pedestrian', 'Car', 'Truck','Cyclist')cur_dir=os.getcwd()labels_dir=os.path.join(cur_dir,'Labels')for parent, dirnames, filenames in os.walk(labels_dir): # 分别得到根目录，子目录和根目录下文件   for file_name in filenames:full_path=os.path.join(parent, file_name) # 获取文件全路径f=open(full_path)split_lines = f.readlines()name= file_name[:-4] # 后四位是扩展名.txt，只取前面的文件名img_name=name+'.jpg' img_path=os.path.join('/home/its/data/CITYdevkit/CITY/JPEGImages/',img_name) # 路径需要自行修改            img_size=cv2.imread(img_path).shapegenerate_xml(name,split_lines,img_size,class_ind)
print('all txts has converted into xmls')

现在完成最后一个关键步骤，生成trainval.txt，test.txt等列表文件，均存放于ImageSets/Main文件夹下。所用工具为create_train_test_txt.py，注意，该文件需要使用python3执行。

# create_train_test_txt.py
# create_train_test_txt.py
# encoding:utf-8
import pdb
import glob
import os
import random
import mathdef get_sample_value(txt_name, category_name):label_path = './Labels/'txt_path = label_path + txt_name+'.txt'try:with open(txt_path) as r_tdf:if category_name in r_tdf.read():return ' 1'else:return '-1'except IOError as ioerr:print('File error:'+str(ioerr))txt_list_path = glob.glob('./Labels/*.txt')
txt_list = []for item in txt_list_path:temp1,temp2 = os.path.splitext(os.path.basename(item))txt_list.append(temp1)
txt_list.sort()
print(txt_list, end = '\n\n')num_trainval = random.sample(txt_list, math.floor(len(txt_list)*9/10.0)) # 可修改百分比
num_trainval.sort()
print(num_trainval, end = '\n\n')num_train = random.sample(num_trainval,math.floor(len(num_trainval)*8/9.0)) # 可修改百分比
num_train.sort()
print(num_train, end = '\n\n')num_val = list(set(num_trainval).difference(set(num_train)))
num_val.sort()
print(num_val, end = '\n\n')num_test = list(set(txt_list).difference(set(num_trainval)))
num_test.sort()
print(num_test, end = '\n\n')pdb.set_trace()Main_path = './ImageSets/Main/'
train_test_name = ['trainval','train','val','test']
category_name = ['Car','Pedestrian','Truck','Cyclist']# 循环写trainvl train val test
for item_train_test_name in train_test_name:list_name = 'num_'list_name += item_train_test_nametrain_test_txt_name = Main_path + item_train_test_name + '.txt' try:# 写单个文件with open(train_test_txt_name, 'w') as w_tdf:# 一行一行写for item in eval(list_name):w_tdf.write(item+'\n')# 循环写Car Pedestrian Cyclist Truck
#        for item_category_name in category_name:
#            category_txt_name = Main_path + item_category_name + '_' + item_train_test_name + '.txt'
#            with open(category_txt_name, 'w') as w_tdf:# 一行一行写
#                for item in eval(list_name):
#                    w_tdf.write(item+' '+ get_sample_value(item, item_category_name)+'\n')except IOError as ioerr:print('File error:'+str(ioerr))接下来，博主将会使用该数据集进行训练，至于效果如何，且看下回分解。