本文共 1567 字，大约阅读时间需要 5 分钟。

BBox-Label-Tool工具支持多类别标注，生成的label文件中增加了类别名称信息。以下是详细的标注和数据转换步骤：

1. 数据集的标注

数据的标注使用Python实现，支持多label标签标注。修改后的工具生成的标签格式为：

object_number className x1min y1min x1max y1max classname x2min y2min x2max y2max ...

labelTool工具的使用说明

BBox-Label-Tool工具实现较为简单，原始版本使用起来有一些小问题，经过修改后，工具更加稳定，支持多类别标注。具体修改内容包括：

• 数据格式转换支持多label标签
• 生成的标签格式增加了类别名称信息
• 工具界面优化，支持更流畅的操作

2. 数据集的转换

Caffe训练使用LMDB格式的数据，SSD框架中提供了VOC数据格式转换成LMDB格式的脚本。实践中先将BBox-Label-Tool标注的数据转换成VOC数据格式，然后再转换成LMDB格式。

2.1 VOC数据格式

VOC数据格式的注释文件保存为XML格式，包含以下信息：

• <annotation>标签下包含图片的基本信息
• <object>标签下包含物体的类别信息
• <bndbox>标签下包含物体的边界框坐标

2.2 Label转换成VOC数据格式

BBox-Label-Tool工具标注好的bounding box坐标文件转换成VOC数据格式的形式，具体转换步骤包括：

2.3 VOC数据转换成LMDB数据

SSD提供了VOC数据到LMDB数据的转换脚本create_list.sh和create_data.sh，这些脚本是完全针对VOC0712目录下的数据进行的转换。为了适应我们自己的数据集，修改了上述脚本，将VOC0712替换成indoor。

3. 使用SSD进行自己数据集的训练

训练时使用SSD Demo中提供的预训练好的VGG Net模型，将该模型保存到$CAFFE_ROOT/models/VGGNet下。将ssd_pascal.py复制一份ssd_pascal_indoor.py文件，根据自己的数据集修改ssd_pascal_indoor.py，主要修改点包括：

• train_data和test_data修改成指向自己的数据集LMDB
• num_test_image修改成自己数据集中测试数据的数量
• num_classes修改成自己数据集中标签类别数量

4. 训练命令

运行训练命令：

python examples/ssd/ssd_pascal_indoor.py

5. 测试命令

测试SSD框架中提供了C++版本和Python版本的测试工具。C++版本的测试命令如下：

./build_release/examples/ssd/ssd_detect.bin

Python版本的测试过程参见examples/detection.ipynb教程文件。

6. 优化脚本

为适应自己的数据集，修改了以下脚本：

• create_list_indoor.sh和create_data_indoor.sh：将脚本中涉及到VOC0712的信息替换成indoor。
• labelmap_indoor.prototxt：将该文件中的类别修改成和自己的数据集相匹配，保留一个label 0（background类别）。

7. 训练结果

训练完成后，可以在$CAFFE_ROOT/indoor目录下查看转换完成的LMDB数据。

以上就是完整的标注、数据转换和SSD训练测试流程。

转载地址：http://jnik.baihongyu.com/