目標檢測的任務

目標檢測主要是針對圖像視覺的一種方法，根據學習到的目標，將目標區域進行位置定位和類別識別，同時需要給出給目標的置信度。

如下圖所示，輸入一張圖片，它能夠通過目標檢測方法，識別出汽車的位置（坐標信息），并給予瞄框，并標注出類別名稱，及其置信度值為{0,1}范圍內的一個數值。

數據集的獲取

拍攝照片是，需要注意進行多方位的拍攝，采用不同的角度，不同的背景來進行拍攝，同時需要注意數據的多樣性。

數據集下載
數據集：自行車數據集
數據集下載：數據集下載

數據集的標注
使用：labelme 來對數據標準。
labelme的標注按照見github:github標注下載

標注好的數據處理成能輸入的數據集的形式。
目標檢測的數據格式一般有兩種，voc和COCO的形式。如果使用COCO格式，建議使用PaddleDetection中的x2coco將標注好的文件轉為COCO格式的數據集。轉換代碼如下：

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格式的數據集，可以使用labelme自帶的labelme2voc.py完成，需要先創建labels.txt文件,labels.txt文件的前兩行分別為__ignore__和_background_，其余行為類別名稱。轉換代碼如下：

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

總結

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）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。