文章目录

- 1 什么是目标检测
- 2 目标检测常见的数据集
- - 2.1 目标检测数据集
  - 2.2 目标检测数据集的标注
  - 2.3 目标检测工具介绍
- 3 数据集的标注
- - 3.1 VOC数据集标注
  - 3.2 加载数据集

1 什么是目标检测

希望计算机在视频或图像中定位并识别我们感兴趣的目标
定位：找到目标在图像中的位置。
在这里插入图片描述
识别：识别矩阵框中的内容

感兴趣的目标：不仅是一些常规的目标，也可以是一些非常规的目标或者是抽象的目标。

2 目标检测常见的数据集

2.1 目标检测数据集

数据集涉及到输入和输出
输入：图片
输出：带有目标的标注
在这里插入图片描述
博主提到的数据集网站paperswitchcode停止维护
找到了保存往期的paperwithcode网页快照，还能使用以前的功能
https://web.archive.org/web/20250616051252/https://paperswithcode.com/

VOC数据集，找了个能用的链接，需要登录Google
https://www.kaggle.com/search?q=voc+in%3Adatasets
在这里插入图片描述
在标注的xml文件中，truncated表示能否标注完整（0标注完整），difficult表示是否能够容易识别（0容易识别）

imagej工具下载链接
https://imagej.net/ij/download.html
在这里插入图片描述
目标框选

土堆的VOC数据集查看器
https://xiaotudui.com/tuduilab/voc-dataset-viewer

2.2 目标检测数据集的标注

YOLO格式的标注，会将x_yolo,y_yolo,width_yolo,hight_yolo进行一个归一化的处理，将范围控制在[0,1]，（Xcenter/ImageWidth,Ycenter/ImageHight,Width/ImageWidth,Hight/ImageHight）
在这里插入图片描述
YOLO标注例子

YOLO格式<class_id,x_yolo,y_yolo,width_yolo,hight_yolo>
0 0.5 0.54 0.406 0.5135

2.3 目标检测工具介绍

labellmg标注工具的使用
采集自己的数据集
明确任务–检测没有不带头盔的驾驶员，并检测出摩托车车牌
抽象出感兴趣的目标，摩托车

不带头盔的人 class id 0 no helmet
摩托车 class id 1 motor
摩托车车牌 class id 2 number
带头盔的人 class id 3 with helmet

标注工具，从up网盘下载
Labellmg
修改一下自己所需要的标签
在这里插入图片描述
Open Dir打开目录，Change Save Dir切换保存后的标注路径，通过create框出感兴趣目标，切换YOLO（txt）/VOC（xml）标注格式

labelstudio工具的使用
在python的虚拟环境中安装labelstudio

pip install -U label-studio

在这里插入图片描述

启动labelstudio

label-studio

在这里插入图片描述

通过导入的形式将未标定的数据集导入到labelstudio中，设置标签的类别进行标注

标注完成后的导出格式

本地的挂载和网盘的挂载适合大批量的数据集
设置-Cloud Storage-Add Source Storage
Absolute local path路径要和虚拟环境放在一个盘里
在这里插入图片描述
设置环境变量
LOCAL_FILES_SERVING_ENABLED=True

重新启动继续导入，点击Sync Storage同步数据

添加标签

3 数据集的标注

3.1 VOC数据集标注

使用labelimg工具标注，首先修改预定义的类别文件为所需要标注的类别
在这里插入图片描述
目录结构train为训练集，val为验证集，images为图片，labels为标注信息

标注的labels信息

训练集和验证集，全部标注完成

3.2 加载数据集

编写自己数据集
https://docs.pytorch.org/tutorials/beginner/data_loading_tutorial.html

import osimport torch
import xmltodict  # 用于将XML数据转换为Python字典
from PIL import Image  # Python图像处理库
from torch.utils.data import Dataset  # PyTorch数据集基类
from torchvision import transforms  # 图像预处理工具class VOCDataset(Dataset):# VOC数据集初始化def __init__(self, image_dir, label_dir, transform, label_transform):"""初始化VOC格式数据集Args:image_dir: 图像文件目录路径label_dir: 标签文件目录路径transform: 图像预处理变换label_transform: 标签预处理变换（代码中未实际使用）"""self.image_dir = image_dirself.label_dir = label_dirself.transform = transformself.label_transform = label_transformself.imgs = os.listdir(self.image_dir)  # 获取图像目录下所有文件名# 定义类别列表self.classes_list = ["no helmet", "motor", "number", "with helmet"]# 返回数据集大小def __len__(self):"""返回数据集中的图像数量"""return len(self.imgs)# 获取单个数据项def __getitem__(self, index):"""获取索引对应的数据项"""# 获取图像文件名并构建完整路径img_name = self.imgs[index]img_path = os.path.join(self.image_dir, img_name)image = Image.open(img_path).convert('RGB')  # 打开图像并转换为RGB格式# 构建对应的XML标签文件路径（将图像扩展名替换为.xml）label_name = img_name.split('.')[0] + '.xml'label_path = os.path.join(self.label_dir, label_name)# 解析XML标签文件with open(label_path, "r", encoding="utf-8") as f:label_content = f.read()label_dict = xmltodict.parse(label_content)  # 将XML转换为字典# 提取标注信息objects = label_dict["annotation"]["object"]target = []  # 存储所有目标的标注信息# 遍历每个标注对象for obj in objects:obj_name = obj["name"]  # 获取对象类别名称obj_class_id = self.classes_list.index(obj_name)  # 将类别名称转换为索引ID# 提取边界框坐标（注意转换为浮点数）xmin = float(obj["bndbox"]["xmin"])ymin = float(obj["bndbox"]["ymin"])xmax = float(obj["bndbox"]["xmax"])ymax = float(obj["bndbox"]["ymax"])# 将当前目标的标注信息添加到列表target.extend([obj_class_id, xmin, ymin, xmax, ymax])# 将标注列表转换为张量target = torch.tensor(target)# 应用图像预处理变换if self.transform is not None:image = self.transform(image)return image, target  # 返回处理后的图像和标注张量if __name__ == '__main__':image_dir = r'E:\deeplearning\torch\data\HelmetDataset-VOC\train\images'label_dir = r'E:\deeplearning\torch\data\HelmetDataset-VOC\train\labels'# 创建数据集实例train_dataset = VOCDataset(image_dir, label_dir, transforms.Compose([transforms.ToTensor()]), None)print(len(train_dataset))  # 打印数据集大小print(train_dataset[1])