目的：將kitti、lisa資料集合並，進行訓練
一、資料集準備，將兩種資料集準備成voc格式
kitti資料集（車輛行人等）：
lisa資料集（47種交通標誌）：
1、準備kitti資料集
建立vocdevkit/traffic，並為其建立子目錄：annotations，imagesets，jpegimages
標註資訊儲存在txt檔案，內容格式：car 0.96 0 -0.86 0.00 199.21 302.21 369.00 1.50 1.78 3.69 -3.17 1.66 3.35 -1.57
將image_2內容複製到jpegimages目錄,
執行create_kitti_xml.py，會在annotations目錄下生成xml格式的標註資訊。
2、準備lisa資料集
filename;annotation tag;upper left corner x;upper left corner y;lower right corner x;lower right corner y;occluded,on another road;origin file;origin frame number;origin track;origin track frame number
為解析方便，刪除該檔案第一行內容
同樣在traffic目錄下編寫乙個指令碼create_lisa_xml.py，來生成xml格式的標註檔案
from xml.dom.minidom import document
import xml.dom.minidom
import cv2
import os
def generate_xml(name,data,img_size):
file = './annotations/' + name + '.xml'
#如果已經存在，讀出xml內容，插入乙個節點
#只有這些類別可用
class_ind=('addedlane', 'curveleft', 'curveright', 'keepright', 'laneends', 'merge', 'noleftturn', 'norightturn', 'pedestriancrossing', 'roundabout', 'signalahead', 'stopahead', 'turnleft', 'turnright', 'yield')
with open('allannotations.csv', 'r') as r_tdf:
for each_line in r_tdf:
data = each_line.strip().split(';')
file_path = data[0] #img file obsolute path
tag = data[1]
img_size = cv2.imread(file_path).shape
name = file_path[find_last(file_path, '/') + 1:-4]
if tag in class_ind:
print('name : ' + name)
generate_xml(name, data, img_size)
執行該指令碼後，會在annotations目錄下生成lisa資料集的標註檔案。
最後需要將lisa所有標註的複製到jpegimages下。
資料集準備先到這裡。。。下篇再寫如何訓練
caffe ssd訓練流程
資料處理 1.準備資料集放於 work ssd caffe data traindata裡面jpegimages,annotations 修改引數1 txt.py 裡的 tv 引數，表示 訓練用了多少資料，剩下的就是測試資料。修改引數2 labelmap voc.prototxt裡的標籤 item ...
caffe ssd訓練衣服鞋分類
資料製作教程 github 訓練教程 我們使用的是xml檔案 1 儲存xml到annotations 新建乙個資料夾，名字為annotations，將xml檔案全部放到該資料夾裡。2 將訓練放到jpegimages 新建乙個資料夾，名字為jpegimages，將所有的訓練放到該資料夾裡。3 imag...
caffe ssd訓練過程總結
好記性不如爛筆頭，最近在使用caffe ssd訓練，所以簡單寫個總結，以防忘記一些過程，有不足之處，還請大家多多指教 一 資料準備 pwd home xx caffe ssd data vocdevkit mydataset 準備好jpg，txt和xml檔案，分別放入對應的資料夾裡 annotati...