### 加载和使用 LabelImg 标注的数据集 为了在 TensorFlow 中加载由 LabelImg 工具标注的数据集，通常会遵循特定的结构化流程。数据集应当按照 Pascal VOC 数据集的标准格式组织[^3]。 #### 准备工作环境 确保安装了必要的库： ```bash pip install tensorflow numpy pillow lxml matplotlib ``` #### 组织文件结构 创建如下目录结构用于存储图像及其对应的 XML 文件： ``` /VOC2007/ /JPEGImages/ # 存放原始图片 /Annotations/ # 存放LabelImg生成的XML标签文件 predefined_classes.txt # 定义类别的文本文件 ``` #### 解析 XML 文件到 TFRecord 格式 由于 TensorFlow 更倾向于处理 `.tfrecord` 类型的数据记录，因此需要编写脚本来转换这些 XML 文件至 TFRecord 格式。下面是一个简单的 Python 脚本例子，它能够读取所有的 XML 文件并将它们转化为 TFRecords 形式的二进制文件[^1]。 ```python import os import io import PIL.Image as Image from object_detection.utils import dataset_util from collections import namedtuple, OrderedDict def create_tf_example(group, path): with tf.io.gfile.GFile(os.path.join(path, '{}'.format(group.filename)), 'rb') as fid: encoded_jpg = fid.read() encoded_jpg_io = io.BytesIO(encoded_jpg) image = Image.open(encoded_jpg_io) width, height = image.size filename = group.filename.encode('utf8') image_format = b'jpg' xmins = [] xmaxs = [] ymins = [] ymaxs = [] classes_text = [] classes = [] for index, row in group.object.iterrows(): xmins.append(row['xmin'] / width) xmaxs.append(row['xmax'] / width) ymins.append(row['ymin'] / height) ymaxs.append(row['ymax'] / height) classes_text.append(row['class'].encode('utf8')) classes.append(class_text_to_int(row['class'])) tf_example = tf.train.Example(features=tf.train.Features(feature={ 'image/height': dataset_util.int64_feature(height), 'image/width': dataset_util.int64_feature(width), 'image/filename': dataset_util.bytes_feature(filename), 'image/source_id': dataset_util.bytes_feature(filename), 'image/encoded': dataset_util.bytes_feature(encoded_jpg), 'image/format': dataset_util.bytes_feature(image_format), 'image/object/bbox/xmin': dataset_util.float_list_feature(xmins), 'image/object/bbox/xmax': dataset_util.float_list_feature(xmaxs), 'image/object/bbox/ymin': dataset_util.float_list_feature(ymins), 'image/object/bbox/ymax': dataset_util.float_list_feature(ymaxs), 'image/object/class/text': dataset_util.bytes_list_feature(classes_text), 'image/object/class/label': dataset_util.int64_list_feature(classes), })) return tf_example def main(_): writer = tf.io.TFRecordWriter(output_path) examples = pd.read_csv(csv_input) grouped = split(examples, 'filename') for group in grouped: tf_example = create_tf_example(group, images_path) writer.write(tf_example.SerializeToString()) writer.close() output_posix = os.path.abspath(output_path) print(f'Successfully created the TFRecords: {output_posix}') ``` 此代码片段展示了如何将单个 XML 记录解析为 `TFExample` 对象，并将其序列化写入 TFRecord 文件中。注意这只是一个简化版本的实际实现可能更复杂一些取决于具体需求。 #### 构建输入管道 一旦拥有了 TFRecord 文件之后就可以构建一个高效的输入流水线来供模型训练时使用。可以采用 `tf.data.Dataset` API 来完成这项任务[^2]: ```python raw_dataset = tf.data.TFRecordDataset([path_to_record_file]) feature_description = { ... } def _parse_function(proto): parsed_features = tf.io.parse_single_example(proto, feature_description) xmin = parsed_features["image/object/bbox/xmin"] ymin = parsed_features["image/object/bbox/ymin"] xmax = parsed_features["image/object/bbox/xmax"] ymax = parsed_features["image/object/bbox/ymax"] boxes = tf.stack([ymin, xmin, ymax, xmax], axis=-1) labels = parsed_features["image/object/class/label"] raw_image_bytes = parsed_features["image/encoded"] image_tensor = tf.image.decode_jpeg(raw_image_bytes, channels=3) return (image_tensor, {"boxes": boxes, "labels": labels}) dataset = raw_dataset.map(_parse_function).batch(batch_size=batch_size) for batch_images, batch_labels in dataset.take(-1): pass # 进行训练或其他操作 ``` 上述代码定义了一个 `_parse_function()` 方法用来解码来自 TFRecord 的样本，并返回适合于目标检测网络使用的张量形式的数据批次。通过这种方式可以在 GPU 上高效地预处理大量图像而不会成为瓶颈所在。