tensorflow对象检测api的图像注释格式到tfrecords的转换

正在寻求有关对象检测API的图像注释格式的帮助

• 预知：

正如我们所知，图像有两种注释格式，Pascal VOC和COCO格式。两者都有各自的规格，这是两者的主要区别：

帕斯卡挥发性有机化合物：

以.xml文件格式存储注释

边界框格式[x-top-left，y-top-left，x-bottom-right，y-bottom-right]

为数据集中的每个图像创建单独的xml注释文件

可可：

以.json文件格式存储注释

边界框格式[x-左上角，y-左上角，宽度，高度]

为每个培训、测试和验证创建一个注释文件

• 当前问题：

我有两个数据集要处理，这就是它们的注释方式

数据集-1:

• 文件格式：Pascal VOC（.xml）
• 边框格式：COCO
• 文件创建：如Pascal VOC（数据集中每个图像的单独xml注释文件）

数据集-2:

• 文件格式：Pascal VOC（.xml）
• 边框格式：COCO
• 文件创建：与COCO一样（为每个培训、测试和验证创建一个注释文件）

我无法理解的是，我应该遵循哪种格式（Pascal VOC或COCO）将注释转换为Tfrecords（.xml to.records），因为用户可以看到数据集的注释不完全属于任何一种格式

例如，在年，作者编写了一个脚本，将.xml转换为.records，但这里它处理的是纯pascal VOC格式

在这方面，他们正在处理纯COCO注释格式

当我站在两种格式的中间时，我应该遵循哪个路径？< /P> 当我站在两种格式的中间时，我应该遵循哪个路径？< /P>

使用Pascal VOC格式将.xml转换为.records

在的

create\u tf\u示例

函数中进行以下更改

如果在.xml注释中有X，Y，Width，Height，而不是xmin，ymin，xmax，ymax

for index, row in group.TextLine.iterrows():
xmin.append(row['X']/imgwidth)
xmax.append((row['X']+row['Width'])/imgwidth)
ymin.append(row['Y']/imgheight)
ymax.append((row['Y']+row['Height'])/imgheight)
classes_text.append(row['class'].encode('utf8'))
classes.append(class_text_to_int(row['class']))'