-
1)将要处理人脸图片拷贝到Image/001下面
-
2)python rename_jpg.py 给图片重命名,按1至n的序号命名,5位数字,前面补0.
-
3)python detect_test.py 0 删除没有人脸的图片,mtcnn检测不到的图片。
-
4)python rename_jpg.py 再次运行(可不做),使各个图片连续
-
5)python detect_test.py 1 检测人脸,并将结果按序号保存在Labels/001中,具体格式为一个人脸一行,为左上点与右下点的坐标值(整数)
-
6)python create_label.py 将Labels/001的txt文件,转化为Labels/xml_001下的xml文件,这部是必须的,转换成VOC数据格式下以xml方式表示
-
第5步中的检测人脸可以用手工的python main.py来标注,这个标注很耗时,做一个新东西的时候,是无法避免的,生成了一个基本可以模型后,后面的数据可以通过前面的模型来生成导入。
- 在原始demo的目录下创建
├── Annotations
├── createtest.py
├── ImageSets
├── JPEGImages
- 1)将Image/001下的图片拷贝到JPEGImages,将Labels/xml_001的xml文件拷贝到Annotations文件夹下。
- 2)运行python createtest.py 会在ImagesSet/Main下生成test与trainval数据集
- 1)使用官方给的两个脚本文件进行操作, ./data/VOC0712/create_list.sh 和 ./data/VOC0712/create_data.sh
- 但要改更几个地方,主要就是更为自己数据的路径。