TensorFlow Object Detection API 详解（一）：数据准备

我不是女神ヾ 2022-05-09 04:14 162阅读 0赞

####      采用google提供的API实现目标检测，首先要对数据进行预处理，默认图像数据以及对应的xml文件已经准备完毕。现在需要将先将所有的xml转化为一个csv文件，再将csv文件转化为TFRecord格式，之后才能供API调用。官方数据预处理程序代码参看这个连接[TensorFlow Object Detection API tutorial][]。代码没有注释，按照Usage也能把结果运行出来，我觉得理解整个数据的处理过程还很有必要的。 ####

#### 1.xml文件转化成csv文件，对应脚本是`xml_to_csv.py`代码如下，比较简单。 ####

"""
    """
    Usage:
    # Create train data:
    python xml_to_csv.py -i [PATH_TO_IMAGES_FOLDER]/train -o [PATH_TO_ANNOTATIONS_FOLDER]/train_labels.csv
    
    # Create test data:
    python xml_to_csv.py -i [PATH_TO_IMAGES_FOLDER]/test -o [PATH_TO_ANNOTATIONS_FOLDER]/test_labels.csv
    """
    
    import os
    import glob
    import pandas as pd
    import argparse
    import xml.etree.ElementTree as ET
    
    
    def xml_to_csv(path):
        """Iterates through all .xml files (generated by labelImg) in a given directory and combines them in a single Pandas datagrame.
    
        Parameters:
        ----------
        path : {str}
            The path containing the .xml files
        Returns
        -------
        Pandas DataFrame
            The produced dataframe
        """
        # xml_list存储了所有的xml文件的关键信息，每一刚对应一个xml文件
        xml_list = []
        # glob.glob(path + '/*.xml') 查找path目录下的所有.xml文件，最终返回一个list，list的每一行都是一个xml文件的path
        for xml_file in glob.glob(path + '/*.xml'):
            # 采用元素数的方法解析xml文件
            tree = ET.parse(xml_file)
            root = tree.getroot()
            # 查找当前xml文件中的所有的'object'
            for member in root.findall('object'):
                # value是个tuple
                value = (root.find('filename').text,        #xml对应的图片名
                        int(root.find('size')[0].text),     #图片的width
                        int(root.find('size')[1].text),     #图片的heigth
                        member[0].text,                     #当前object是个什么东西，猫、狗、桌子.......一个字符串而已
                        int(member[4][0].text),             #xmin 
                        int(member[4][1].text),             #ymin
                        int(member[4][2].text),             #xmax
                        int(member[4][3].text)              #ymax
                        )
                # 将提取的当前xml文件的上述信息追加到xml_list
                xml_list.append(value)
        # csv文件的第一行是列名，column_name就是干这事的
        column_name = ['filename', 'width', 'height',
                    'class', 'xmin', 'ymin', 'xmax', 'ymax']
        # pd.DataFrame构造了二维数据结构DataFrame，这货长得跟Excel一样的，真的是跟Excel一样，第一行是column_name构成的列名；
        # 最左边第一列是索引，从上到下是0，1，2，3，....巴拉巴拉；xml_list按行、按列、按位就座，填充二维表格。
        # 之所以这么干我认为是因为DataFrame转csv特别容易，一个函数就搞定了。
        xml_df = pd.DataFrame(xml_list, columns=column_name)
        return xml_df
    
    
    def main():
        # Initiate argument parser
        # 这部分是对脚本运行时的入口参数进行解析
    
        # 创建一个参数解析器(对象),description是这个参数解析器的功能描述，没啥实际作用
        parser = argparse.ArgumentParser(
            description="Sample TensorFlow XML-to-CSV converter")
        # 向参数解析器中添加待待解析的参数inputDir，help中说明这个参数指向所有的.xml文件的存放目录
        parser.add_argument("-i",
                            "--inputDir",
                            help="Path to the folder where the input .xml files are stored",
                            type=str)
        # 向参数解析器中添加待待解析的参数outputFile，也就是即将生成的.csv文件的存放地址
        parser.add_argument("-o",
                            "--outputFile",
                            help="Name of output .csv file (including path)", type=str)
        # 获取参数解析器中的所有参数和其对应的值，存放到args中
        args = parser.parse_args()
    
        # 对入口参数进行判断，如果按照上面的usage运行，是不会出现下列异常的
        # 如果输入路径没有，巴拉巴拉
        if(args.inputDir is None):
            args.inputDir = os.getcwd()
        # 如果输出路径没有，巴拉巴拉
        if(args.outputFile is None):
            args.outputFile = args.inputDir + "/labels.csv"
        
        # 判断输入路径是不是个目录
        assert(os.path.isdir(args.inputDir))
    
        # 这个函数将xml转换成csv，xml_df是个DataFrame类型的对象，里面存了所有xml文件的关键信息
        xml_df = xml_to_csv(args.inputDir)
        # xml_df保存到指定的路径，并取消左边的索引
        xml_df.to_csv(
            args.outputFile, index=None)
        print('Successfully converted xml to csv.')
    
    
    if __name__ == '__main__':
        main()

这个代码还是很简单的，关于argparse可以参看这里[argparse基本用法][argparse]。

#### 2.csv转TFRecord ####

对应的脚本是`generate_tfrecord.py`,代码如下：

"""
    Usage:
    # 训练数据  1100
    # 测试数据 141
    # Create train data:
    python generate_tfrecord.py --label=<LABEL> --csv_input=<PATH_TO_ANNOTATIONS_FOLDER>/train_labels.csv  --output_path=<PATH_TO_ANNOTATIONS_FOLDER>/train.record
    
    # Create test data:
    python generate_tfrecord.py --label=<LABEL> --csv_input=<PATH_TO_ANNOTATIONS_FOLDER>/test_labels.csv  --output_path=<PATH_TO_ANNOTATIONS_FOLDER>/test.record
    """
    
    from __future__ import division
    from __future__ import print_function
    from __future__ import absolute_import
    
    import os
    import io
    import pandas as pd
    import tensorflow as tf
    
    from PIL import Image
    from object_detection.utils import dataset_util
    from collections import namedtuple, OrderedDict
    
    # 这个也是个入口参数解析器，是不过是在tensorflow里面使用的，用法和argpares几乎一样
    # 创建对象flags
    flags = tf.app.flags
    # 添加带解析的参数csv_input，annotations/test_labels_02.csv是参数的默认值，Path to the CSV input说明csv_input是弄啥的。
    flags.DEFINE_string('csv_input', 'annotations/test_labels_02.csv', 'Path to the CSV input')
    flags.DEFINE_string('output_path', 'annotations/test_labels_02.record', 'Path to output TFRecord')
    flags.DEFINE_string('label', 'mucai', 'Name of class label')
    # 获取flags里面的所有参数和其对应的值，存入FLAGS，是不是一样，有木有。
    FLAGS = flags.FLAGS
    
    
    # TO-DO replace this with label map
    def class_text_to_int(row_label):
        if row_label == 'mucai':  # 'ship':
            # print('------ is micai -------')
            return 1
        else:
            print('NONE:'+ row_label)
    '''
    #这个函数的目的就是把examples(DataFrame,在这简称df)按照图片名分成组；
    原因就是每一张图片中有好多个object，导致csv文件、examples都是如下形式的：
    fimename1   object1
    fimename1   object2
    fimename2   object1
    fimename2   object2
    fimename2   object3
    ......
    分组后变成如下形式：
    fimename1   object1 object2
    fimename2   object1 object2 object3
    '''
    def split(df, group):
        # 创建一个类tuple的数据类型namedtuple，它比tuple牛掰的地方之一是这货除了可以按索引访问元素外，还支持按属性访问
        # data有两个属性，filename和object
        data = namedtuple('data', ['filename', 'object'])
        # 按照'filename'对data中的数据进行分组
        gb = df.groupby(group)
        # gb.groups.keys()获取分组的key，就是filename
        # gb.groups 用来查看分组的结果。返回形式{key:这组下所有图片的信息}
        # data(filename, gb.get_group(x))存放每个图片名、该图片的相关信息
        # 返回成类表形式[filename,group_filename_infor]
        return [data(filename, gb.get_group(x)) for filename, x in zip(gb.groups.keys(), gb.groups)]
    
    
    def create_tf_example(group, path):
        # tf.gfile.GFile是tensorflow读取文件的一个api，跟open()函数差不多
        with tf.gfile.GFile(os.path.join(path, '{}'.format(group.filename)), 'rb') as fid:
            encoded_jpg = fid.read()
        # io.BytesIO 在内存中读写字节
        encoded_jpg_io = io.BytesIO(encoded_jpg)
        # 读取图片
        image = Image.open(encoded_jpg_io)
        # 获取图片的宽、高
        width, height = image.size
        # 获取图片名
        filename = group.filename.encode('utf8')
        # 获取图片格式
        image_format = b'jpg'
        # 用来存放bodbox的坐标
        xmins = []
        xmaxs = []
        ymins = []
        ymaxs = []
        # 当前object是啥，文字形式的
        classes_text = []
        # 当前object对应的索引
        classes = []
        # 迭代一张图片中的每一个object
        for index, row in group.object.iterrows():
            xmins.append(row['xmin'] / width)
            xmaxs.append(row['xmax'] / width)
            ymins.append(row['ymin'] / height)
            ymaxs.append(row['ymax'] / height)
            classes_text.append(row['class'].encode('utf8'))
            classes.append(class_text_to_int(row['class']))
        # 创建存储图片数据的缓冲区tf_example，图片的信息都存在tf_example中
        tf_example = tf.train.Example(features=tf.train.Features(feature={
            'image/height': dataset_util.int64_feature(height),
            'image/width': dataset_util.int64_feature(width),
            'image/filename': dataset_util.bytes_feature(filename),
            'image/source_id': dataset_util.bytes_feature(filename),
            'image/encoded': dataset_util.bytes_feature(encoded_jpg),
            'image/format': dataset_util.bytes_feature(image_format),
            'image/object/bbox/xmin': dataset_util.float_list_feature(xmins),
            'image/object/bbox/xmax': dataset_util.float_list_feature(xmaxs),
            'image/object/bbox/ymin': dataset_util.float_list_feature(ymins),
            'image/object/bbox/ymax': dataset_util.float_list_feature(ymaxs),
            'image/object/class/text': dataset_util.bytes_list_feature(classes_text),
            'image/object/class/label': dataset_util.int64_list_feature(classes),
        }))
        # 返回这个缓存区
        return tf_example
    
    
    def main(_):
        # 创建TFRecord存储器，就是创建一个文本文件用来存TFRecord格式的数据，并且放到FLAGS.output_path这个地方
        writer = tf.python_io.TFRecordWriter(FLAGS.output_path)
        # 图片所在的目录，这个要注意修改成自己图片所在的目录
        path = os.path.join(os.getcwd(), 'image')
        # 读取刚才生成的csv文件的内容，存到examples中去，examples是DataFrame类型的，没错，二维的，长得跟Excel一样的。
        # 记住examples中有个列名叫'filename'，下面立马用到
        examples = pd.read_csv(FLAGS.csv_input)
        # grouped是一个list，每一行是[()]形式[(filename,filename_infor)]
        grouped = split(examples, 'filename')
        for group in grouped:
            # 每一个group是一张图片和这张图片里面的object的信息
            # 为每一张图片创建一个缓存区，可以理解为每一张图片信息都存放到一块区域中
            tf_example = create_tf_example(group, path)
            # 将缓存区序列化后写入文本中，至于序列化是干啥，我不太清楚，一直没去查
            writer.write(tf_example.SerializeToString())
        writer.close()
        output_path = os.path.join(os.getcwd(), FLAGS.output_path)
        print('Successfully created the TFRecords: {}'.format(output_path))
    
    
    if __name__ == '__main__':
        tf.app.run()

#### 这是我自己对这两个脚本的理解，有不对的地方还望见谅，理解万岁~ ####

[TensorFlow Object Detection API tutorial]: https://tensorflow-object-detection-api-tutorial.readthedocs.io/en/latest/training.html
[argparse]: https://mp.csdn.net/mdeditor/82851661#