目標檢測數據集The Object Detection Dataset

在目標檢測領域，沒有像MNIST或Fashion MNIST這樣的小數據集。為了快速測試模型，我們將組裝一個小數據集。首先，我們使用一個開源的3D Pikachu模型生成1000張不同角度和大小的Pikachu圖像。然后，我們收集一系列背景圖像，并在每個圖像上隨機放置一個Pikachu圖像。我們使用MXNet提供的im2rec工具將圖像轉換為二進制RecordIO格式[1]。這種格式可以減少數據集在磁盤上的存儲開銷，提高讀取效率。如果您想了解有關如何讀取圖像的更多信息，請參閱GluonCV工具包的文檔。

1. Downloading the Dataset

可以直接從互聯網上下載RecordIO格式的Pikachu數據集。

%matplotlib inline

from d2l
import mxnet as d2l

from mxnet
import gluon, image, np, npx

import os

npx.set_np()

#@save

d2l.DATA_HUB[‘pikachu’] = (d2l.DATA_URL
‘pikachu.zip’,

‘68ab1bd42143c5966785eb0d7b2839df8d570190’)

2. Reading the Dataset

我們將通過創建實例imageDediter來讀取對象檢測數據集。名稱中的“Det”是指檢測。我們將隨機讀取訓練數據集。因為數據集的格式是RecordIO，所以我們需要圖像索引文件’train.idx’讀取隨機的小批量。此外，對于訓練集的每個圖像，我們將使用隨機裁剪，并要求裁剪后的圖像至少覆蓋每個對象的95%。由于裁剪是隨機的，這一要求并不總是滿足的。我們將隨機裁剪嘗試的最大次數設置為200次。如果它們都不符合要求，圖像將不會被裁剪。為了確保輸出的確定性，我們不會隨機裁剪測試數據集中的圖像。我們也不需要隨機讀取測試數據集。

#@save

def load_data_pikachu(batch_size, edge_size=256):

"""Load the pikachu dataset."""data_dir = d2l.download_extract('pikachu')train_iter = image.ImageDetIter(path_imgrec=os.path.join(data_dir, 'train.rec'),path_imgidx=os.path.join(data_dir, 'train.idx'),batch_size=batch_size,data_shape=(3, edge_size, edge_size),  # The shape of

the output image

    shuffle=True,  # Read the dataset in random orderrand_crop=1,  # The probability of random cropping is 1min_object_covered=0.95, max_attempts=200)val_iter = image.ImageDetIter(path_imgrec=os.path.join(data_dir, 'val.rec'), batch_size=batch_size,data_shape=(3, edge_size, edge_size), shuffle=False)return train_iter, val_iter

下面，我們閱讀一個小批量，并打印圖像和標簽的形狀。圖像的形狀與前一個實驗中相同（批量大小、通道數、高度、寬度）(batch size, number of channels, height, width)。標簽的形狀是（批量大小，m，5）(batch size, mm, 5)，其中m等于數據集中單個圖像中包含的最大邊界框數。雖然小批量的計算非常高效，但它要求每個圖像包含相同數量的邊界框，以便將它們放置在同一批中。因為每個圖像可能有不同數量的邊界框，我們可以添加非法的邊界框到少于m邊界框，直到每個圖像包含m邊界框。因此，我們每次都可以讀取一小批圖像。圖像中每個邊界框的標簽由長度為5的數組表示。數組中的第一個元素是邊界框中包含的對象的類別。當值為-1時，邊界框是非法的填充邊界框。數組的其余四個元素表示x、y、邊界框左上角和 邊界框右下角的軸坐標（值范圍在0和1之間）。這里的Pikachu數據集每個圖像只有一個邊界框，因此m=1。

batch_size, edge_size = 32, 256

train_iter, _ = load_data_pikachu(batch_size, edge_size)

batch = train_iter.next()

batch.data[0].shape, batch.label[0].shape

Downloading …/data/pikachu.zip from http://d2l-data.s3-accelerate.amazonaws.com/pikachu.zip…

((32, 3, 256, 256), (32, 1, 5))

3. Demonstration

我們有十張圖片，上面有邊框。我們可以看到Pikachu的角度、大小和位置在每個圖像中都是不同的。當然，這是一個簡單的人工數據集。在實際操作中，數據通常要復雜得多。

imgs = (batch.data[0][0:10].transpose(0, 2, 3, 1)) / 255

axes = d2l.show_images(imgs, 2, 5, scale=2)

for ax, label in zip(axes, batch.label[0][0:10]):

d2l.show_bboxes(ax, [label[0][1:5] * edge_size], colors=[‘w’])

4. Summary
The Pikachu dataset we synthesized can be used to test object detection models.
The data reading for object detection is similar to that for image classification. However, after we introduce bounding boxes, the label shape and image augmentation (e.g., random cropping) are changed.

總結

以上是生活随笔為你收集整理的目标检测数据集The Object Detection Dataset的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。