目標(biāo)檢測(cè)的任務(wù)

目標(biāo)檢測(cè)主要是針對(duì)圖像視覺(jué)的一種方法，根據(jù)學(xué)習(xí)到的目標(biāo)，將目標(biāo)區(qū)域進(jìn)行位置定位和類(lèi)別識(shí)別，同時(shí)需要給出給目標(biāo)的置信度。

如下圖所示，輸入一張圖片，它能夠通過(guò)目標(biāo)檢測(cè)方法，識(shí)別出汽車(chē)的位置（坐標(biāo)信息），并給予瞄框，并標(biāo)注出類(lèi)別名稱(chēng)，及其置信度值為{0,1}范圍內(nèi)的一個(gè)數(shù)值。

數(shù)據(jù)集的獲取

拍攝照片是，需要注意進(jìn)行多方位的拍攝，采用不同的角度，不同的背景來(lái)進(jìn)行拍攝，同時(shí)需要注意數(shù)據(jù)的多樣性。

數(shù)據(jù)集下載
數(shù)據(jù)集：自行車(chē)數(shù)據(jù)集
數(shù)據(jù)集下載：數(shù)據(jù)集下載

數(shù)據(jù)集的標(biāo)注
使用：labelme 來(lái)對(duì)數(shù)據(jù)標(biāo)準(zhǔn)。
labelme的標(biāo)注按照見(jiàn)github:github標(biāo)注下載

標(biāo)注好的數(shù)據(jù)處理成能輸入的數(shù)據(jù)集的形式。
目標(biāo)檢測(cè)的數(shù)據(jù)格式一般有兩種，voc和COCO的形式。如果使用COCO格式，建議使用PaddleDetection中的x2coco將標(biāo)注好的文件轉(zhuǎn)為COCO格式的數(shù)據(jù)集。轉(zhuǎn)換代碼如下：

python tools/x2coco.py \--dataset_type labelme \--json_input_dir ./labelme_annos/ \--image_input_dir ./labelme_imgs/ \--output_dir ./cocome/ \--train_proportion 0.8 \--val_proportion 0.2 \--test_proportion 0.0

如果使用VOC格式的數(shù)據(jù)集，可以使用labelme自帶的labelme2voc.py完成，需要先創(chuàng)建labels.txt文件,labels.txt文件的前兩行分別為_(kāi)_ignore__和_background_，其余行為類(lèi)別名稱(chēng)。轉(zhuǎn)換代碼如下：

./labelme2voc.py data_annotated data_dataset_voc --labels labels.txt

總結(jié)

以上是生活随笔為你收集整理的目标检测——数据获取和标注（一）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。