我想对 PASCAL-VOC 2012 dataset 进行对象检测用 tensorflow 。
我想将带有对象标签和相应的边界框的整幅图像输入到tensorflow中进行训练。
有没有什么好的方法可以写一个数据文件让tensorflow读取？或者只是在 tensorflow 中读取原始 XML 文件？
非常感谢。
这是一个图像示例:
最佳答案
有为此预制的工具，查找 Tensorflow 模型存储库。 他们的做法本质上是:
- 解析 xml 注释文件并展平其中的数据结构。
- 生成结合注释和图像的
tfrecord，
这可以说是最好的方法。
为了培训，您可以实现自己的转换器，它接受一对 (xml,image) 并保存到 tfrecord example 中。
Tfrecord 是用于存储数据的 tensorflow 格式，每个 tfrecord 文件基本上是一个包含 examples 的列表，每个 example 都是一个对象，在 key : value 中保存数据 对，其中 value 是基本类型(int、string、float)的数组，key 是字符串。
因此，首先您将 xml 注释展平以匹配 tfrecord 文件的约束，然后使用 tensorflow TFRecordWriter 将数据保存到文件中。
检查 Tensorflow API - 它会得到返回。
关于python - 使用tensorflow输入PASCAL-VOC 2012训练数据和标签的好方法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/39295263/