【deeplab数据集4】（超详细）生成 .tfrecord数据

比眉伴天荒 2021-09-19 14:00 330阅读 0赞

**目录**

前言

一、文件的归属

2、图片的转存

1.原图

2.label图像

3.转存图像须知

二、tf文件生成

三、预调试

四、执行

--------------------

# 前言 #

最近在接触一个项目，要用到语义分割，如果大家有什么问题，都可以跟我沟通交流。除了通过博客交流外，欢迎你加入我的QQ群：**326866692**，一起交流有关于区块链、机器学习、深度学习、计算机视觉有关内容。我现在处于广泛涉猎阶段，希望我们能够一起沟通。下图是我的群二维码：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_36_color_F369FF_t_70][]

上一次我们说到了将label标签提取出来，提取方式如下：

> [批量提取label图像][label]

# 一、**文件的归属**

文件的归属是说将对应的文件放到对应的文件夹下，所有的文件是有自己的存放位置，不是随意乱放的

官方给出的推荐文件目录如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_30_color_FF854F_t_70][]

我的目录如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_219192_t_30][]

防止大家混乱，我只说与本文相关的文件夹的存放内容。后续文章中我会专门说明所有文件夹的存放内容。

我们这次只用到两个二级文件夹：

> **tfrecord**：存放生成的tf文件。
> 
> **VOC2019**：主要用到该文件夹下面的三个文件夹：
> 
> （1）**ImageSets**：用到**Segmentation**文件夹，该文件夹下存放train.txt和val.txt两个txt文件。train中存放训练集的名称，val中存放验证集的名称。
> 
> （2）**JPEGImages**：存放初始jpg图片与后来生成的png图片，如果本身初始数据集图片就是png，那只有png就可以了。
> 
> （3）**SegmentationClass**：存放label标签图片。注意这个图片是单通道的，简单理解就是黑白图像，按照我前面的转化label的方式生成的直接是单通道的，无需大家再转化。

## 2、图片的转存 ##

这个图片指的是label图片和原图

### 1.原图 ###

原图必须是png格式的，因为我做数据集的时候的图片是jpg 的，所以这个里面我还要讲png文件再存进来，前面生成label图像时，就生成了对应的png文件，按照相同的提取方法：

> [批量提取label图像][label]

将png格式的图片提取到 **JPEGImages** 文件夹下。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_FFF845_t_70][]

### 2.label图像 ###

label图像必须是单通道的png图片。我们需要将前面转存到单独文件夹下的png图片存在 **SegmentationClass** 文件夹下。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_FF5845_t_70][]

### 3.转存图像须知 ###

因为这个比较重要，再强调一下：

> **（1）原图必须为png格式；**
> 
> **（2）label图像必须为单通道png格式；**
> 
> **（3）原图与label图像和train.txt和val.txt文件中的名称一一对应。**

# 二、tf文件生成 #

打开 **build\_voc2012\_data.py** 文件，修改如下的内容：

tf.app.flags.DEFINE_string(
        'image_folder', #保存images的路径
        'D:/zyt/DLProject/deeplab/datasets/Pascal_Voc/VOC2019/JPEGImages',
        'Folder containing images.') 
    
    tf.app.flags.DEFINE_string(
        'semantic_segmentation_folder', #保存labels的路径
        'D:/zyt/DLProject/deeplab/datasets/Pascal_Voc/VOC2019/SegmentationClass',
        'Folder containing semantic segmentation annotations.')
    
    tf.app.flags.DEFINE_string(
        'list_folder', #保存train.txt 和 val.txt 文件的路径
        'D:/zyt/DLProject/deeplab/datasets/Pascal_Voc/VOC2019/ImageSets/Segmentation',
        'Folder containing lists for training and validation')
    
    tf.app.flags.DEFINE_string(
        'output_dir',  # 生成tfrecord格式的数据所要保存的位置
        'D:/zyt/DLProject/deeplab/datasets/Pascal_Voc/tfrecord',
        'Path to save converted SSTable of TensorFlow examples.')

修改中间位置的内容，即修改路径：

> （1）'**image\_folder**' ：保存images的路径
> 
> （2）'**semantic\_segmentation\_folder**' ：保存label图像的路径
> 
> （3）'**list\_folder**' ：保存train.txt 和 val.txt 文件的路径
> 
> （4）'**output\_dir**' ：生成tfrecord格式的数据所要保存的位置

# 三、**预调试**

接下来就是预调试，右键点击文件运行就可以了。

为什么是预调试呢？因为可能会出现错误，我们需要不断地解决这些问题，可能出现的问题是找不到png文件，那就是图像路径有问题，或者文件名称对不上，注意检查一下上面强调的问题。

# 四、**执行**

解决完所有问题就是执行代码了，右键点击文件运行。我使用了1000张训练集图片，100张验证集图片。执行如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_FFF74F_t_70][] 执行成功界面

生成的文件如下，因为我没有在trainval.txt文件夹中设置数据集，所有生成的文件为空。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FF42FF_t_70][] 生成的文件

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_36_color_F369FF_t_70]: /images/20210516/f024f2b1286e4e8a9cb471b79b8e51fd.png
[label]: https://blog.csdn.net/shuiyixin/article/details/90488014
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_30_color_FF854F_t_70]: /images/20210516/a17c0af7b8d94d8fa82b887bbd65f731.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_219192_t_30]: /images/20210516/4676cc51d09c49fb8d692ec08a64f35b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_FFF845_t_70]: /images/20210516/57028c146a28485da7e1f485fa363a7b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_FF5845_t_70]: /images/20210516/32be732450264cee9e4a4a552f63465c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_FFF74F_t_70]: /images/20210516/ccc9bf2901c8496cb8d0209ef7037fa1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_46_color_FF42FF_t_70]: /images/20210516/264ebd08238546de884bb39a4d063f73.png