Data_preparing.md

制作数据集

1. 标签文件制作

• 本次演示以花卉数据集为例，目录结构如下：

├─flower_photos
│  ├─daisy
│  │      100080576_f52e8ee070_n.jpg
│  │      10140303196_b88d3d6cec.jpg
│  │      ...
│  ├─dandelion
│  │      10043234166_e6dd915111_n.jpg
│  │      10200780773_c6051a7d71_n.jpg
│  │      ...
│  ├─roses
│  │      10090824183_d02c613f10_m.jpg
│  │      102501987_3cdb8e5394_n.jpg
│  │      ...
│  ├─sunflowers
│  │      1008566138_6927679c8a.jpg
│  │      1022552002_2b93faf9e7_n.jpg
│  │      ...
│  └─tulips
│  │      100930342_92e8746431_n.jpg
│  │      10094729603_eeca3f2cb6.jpg
│  │      ...

• 在Awesome-Backbones/datas/中创建标签文件annotations.txt，按行将类别名 索引写入文件；

daisy 0
dandelion 1
roses 2
sunflowers 3
tulips 4

2. 数据集划分

• 打开Awesome-Backbones/tools/split_data.py
• 修改原始数据集路径以及划分后的保存路径，强烈建议划分后的保存路径datasets不要改动，在下一步都是默认基于文件夹进行操作

init_dataset = 'A:/flower_photos'
new_dataset = 'A:/Awesome-Backbones/datasets'

• 在Awesome-Backbones/下打开终端输入命令：

python tools/split_data.py

• 得到划分后的数据集格式如下：

├─...
├─datasets
│  ├─test
│  │  ├─daisy
│  │  ├─dandelion
│  │  ├─roses
│  │  ├─sunflowers
│  │  └─tulips
│  └─train
│      ├─daisy
│      ├─dandelion
│      ├─roses
│      ├─sunflowers
│      └─tulips
├─...

3. 数据集信息文件制作

• 确保划分后的数据集是在Awesome-Backbones/datasets下，若不在则在get_annotation.py下修改数据集路径；

datasets_path   = '你的数据集路径'

• 在Awesome-Backbones/下打开终端输入命令：

python tools/get_annotation.py

• 在Awesome-Backbones/datas下得到生成的数据集信息文件train.txt与test.txt