谷歌Open Image v4数据集按指定类目下载并批量转化为VOC格式

Author： Anleeno
发布时间：March 10, 2021
4390 views
One comment
12639 words
Categories：技术笔记数据处理

## 1 前言

最近做的是一个比较偏的数据集，从网上找了700张图片，最多的类有500张，其余类都是20-40张，极不平衡，用标注工具手动标注后做了下实验，发现精度特别低，数量最多的类别还可以。所以决定在大型开源数据集上面找，根据要研究的对象，最终确定了Open Image数据集。查了下相应的文章，发现千篇一律的Ctrl C + Ctrl v，按指定类别下载的文章倒有，但是转为VOC格式的一个都没有。由于做的是目标检测这一块的，一个自己熟悉的标记格式很有帮助，而且VOC格式很多框架都支持，所以自己研究了一下谷歌数据集的标记特点并写了一个Python转化脚本。

## 2 Open Image v4简单介绍

These annotation files cover the 600 boxable object classes, and span the 1,743,042 training images where we annotated bounding boxes and visual relationships, as well as the full validation (41,620 images) and test (125,436 images) sets.
</div>

<button class="btn m-b-xs btn-success btn-addon" onclick='window.open("https://storage.googleapis.com/openimages/web/index.html","_blank")'><i class="fontello fontello-google-plus"></i>谷歌OID官网主页</button>

</div>

![OID](https://www.anleenoxu.top/usr/uploads/2021/03/4049455677.jpg)

如果是做目标检测，要重点关注 ***class-descriptions-boxable.csv***、***validation-annotations-bbox.csv***、***train-annotations-bbox.csv***、***test-annotations-bbox.csv*** 这四个文件，然后按照下面的教程下载就行了。

## 3 按指定类别下载数据集

### 3.1 OIDv4_ToolKit

所要使用的一个开源工具是 OIDv4_ToolKit，目前该项目仅支持v4版本，但v4对于大多数任务足够了。
<button class="btn m-b-xs btn-success btn-addon" onclick='window.open("https://github.com/EscVM/OIDv4_ToolKit","_blank")'><i class="iconfont icon-github-copy"></i> OIDv4_ToolKit 项目</button>

用Gitbash把项目下载到本地：

```
git clone https://github.com/EscVM/OIDv4_ToolKit.git
```

### 3.2 项目结构

![项目结构](https://www.anleenoxu.top/usr/uploads/2021/03/211070966.jpg)

### 3.3 下载命令

运行下面的命令查看参数说明：

```
python main.py -h
```

参数说明：

![参数说明](https://www.anleenoxu.top/usr/uploads/2021/03/1098470270.jpg)

> `--type_csv`   'train' 或 'validation' 或 'test' 或 'all' 从哪个csv下载图像
> `--sub`  人工验证图像或机器生成的子集（h或m）
> `--image_IsOccluded` 1或0 表示对象是否被图像中的另一个对象遮挡。
> `--image_IsTruncated` 1或0 表示对象是否超出图像的边界。
> `--image_IsGroupOf` 1或0 表示标记框是否跨越一组物体（分组5）。
> `--image_IsDepiction` 1或0 表示 对象是否是一个草稿或漫画。
> `--image_IsInside` 1或0 表示是否是从对象内部拍摄的照片。
> `--multiclasses` 0(默认值)或1 分别(0)或一起(1)下载不同的类
> `--n_threads` [默认20] 要使用的线程数
> `--noLabels`   没有标签创作
> `--limit` 要下载的图像数量的可选限制

按照下面的命令就行了：

```Python
python main.py downloader  --classes classes.txt  --type_csv train
python main.py downloader  --classes classes.txt  --type_csv validation
python main.py downloader  --classes classes.txt  --type_csv test
```

## 4 批量转化为VOC格式

### 4.1 标签特点

具体类别的内部文件，一个Label文件夹，包含该类所有图像对应的标记文本，一个文本对应一个图片，一行一个标记框。

![](https://www.anleenoxu.top/usr/uploads/2021/03/192234769.jpg)

![谷歌OID标签](https://www.anleenoxu.top/usr/uploads/2021/03/935958961.jpg)

### 4.2 分析

由于标签文本的命名和图像一致，那么只需要提取txt文件就行了，然后改后缀把图像复制到VOC的JPEGImages文件夹（也可以手动，哈哈，但是写都写了，就偷个懒一次完成吧）。但是VOC文件夹的标签名不能有空格，Open Image 有的类别是两个单词，中间有空格，所以要把前两个单词合并。

### 4.3 批量转化

说了那么多，下面正式开始干货！

一键转换box2voc.py：

```
import math
import shutil

import cv2
from lxml.etree import Element, SubElement, tostring
from xml.dom.minidom import parseString
import os

# 对于每一个label.txt，制作VOC格式的xml文件
# param1:../OID/UnRestraint_Of_MarineCreature_In_OpenImagev4/Dataset/train/Seahorse/
# param2:imglabel.txt
# param3:annotation
def make_xml(txt_root_path, txt_name_path, save_xml_path):
    txt_path = txt_root_path + "Label/" + txt_name_path
    pic_path = txt_root_path
    pic = cv2.imread(pic_path + txt_name_path.replace(".txt", ".jpg"))
    shutil.copy(pic_path + txt_name_path.replace(".txt", ".jpg"), "VOC2007/JPEGImages")
    shape = pic.shape

f = open(txt_path, 'r')
    data = []
    for line in f:
        data.append(line.strip())
    print(data)
    f.close()

# lines = str(line).split(' ')
    # box_num = len(data)
    pic_name = txt_name_path.replace(".txt", ".jpg")

node_root = Element('annotation')
    node_folder = SubElement(node_root, 'folder')
    node_folder.text = 'JPEGImages'
    node_filename = SubElement(node_root, 'filename')
    # 图片名字
    node_filename.text = pic_name
    # 图像尺寸
    node_size = SubElement(node_root, 'size')
    node_width = SubElement(node_size, 'width')
    node_width.text = str(shape[1])

node_height = SubElement(node_size, 'height')
    node_height.text = str(shape[0])

node_depth = SubElement(node_size, 'depth')
    node_depth.text = str(shape[2])
    # 第二层循环遍历有多少个框
    for dat in data:
        dat = dat.split(" ")
        print(len(dat))
        print(dat)
        # 分支把标签合并
        if len(dat) == 5:
            Label = dat[0]

Xmin = math.floor(float(dat[1]))
            Ymin = math.floor(float(dat[2]))
            Xmax = math.ceil(float(dat[3]))
            Ymax = math.ceil(float(dat[4]))

# Xmin = int(float(dat[1]))
            # Ymin = int(float(dat[2]))
            # Xmax = int(float(dat[3]))
            # Ymax = int(float(dat[4]))
            print(Label, Xmin, Ymin, Xmax, Ymax)
            # img = cv2.rectangle(img, (Xmin, Ymin), (Xmax, Ymax), (0, 255, 0), 1)

cls_name = Label

node_object = SubElement(node_root, 'object')
            node_name = SubElement(node_object, 'name')
            # 类别名字
            node_name.text = cls_name

else:
            Label = dat[0] + dat[1]

Xmin = math.floor(float(dat[2]))
            Ymin = math.floor(float(dat[3]))
            Xmax = math.ceil(float(dat[4]))
            Ymax = math.ceil(float(dat[5]))

# Xmin = int(float(dat[2]))
            # Ymin = int(float(dat[3]))
            # Xmax = int(float(dat[4]))
            # Ymax = int(float(dat[5]))
            print(Label, Xmin, Ymin, Xmax, Ymax)
            # img = cv2.rectangle(img, (Xmin, Ymin), (Xmax, Ymax), (0, 255, 0), 1)

cls_name = Label

node_object = SubElement(node_root, 'object')
            node_name = SubElement(node_object, 'name')
            # 类别名字
            node_name.text = cls_name
            node_difficult = SubElement(node_object, 'difficult')
            node_difficult.text = '0'

node_bndbox = SubElement(node_object, 'bndbox')
            node_xmin = SubElement(node_bndbox, 'xmin')
            node_xmin.text = str(Xmin)
            node_ymin = SubElement(node_bndbox, 'ymin')
            node_ymin.text = str(Ymin)
            node_xmax = SubElement(node_bndbox, 'xmax')
            node_xmax.text = str(Xmax)
            node_ymax = SubElement(node_bndbox, 'ymax')
            node_ymax.text = str(Ymax)
    xml = tostring(node_root, pretty_print=True)
    dom = parseString(xml)
    # print xml 打印查看结果
    xml_name = pic_name.replace(".jpg", "")
    xml_name = os.path.join(save_xml_path, xml_name + '.xml')
    with open(xml_name, 'wb') as f:
        # f.write(dom.toprettyxml(indent='\t', encoding='utf-8'))
        f.write(xml)

def make_voc_dir():
    os.makedirs('VOC2007/Annotations')
    os.makedirs('VOC2007/ImageSets')
    os.makedirs('VOC2007/ImageSets/Main')
    os.makedirs('VOC2007/ImageSets/Layout')
    os.makedirs('VOC2007/ImageSets/Segmentation')
    os.makedirs('VOC2007/JPEGImages')
    os.makedirs('VOC2007/SegmentationClass')
    os.makedirs('VOC2007/SegmentationObject')

if __name__ == '__main__':
    dataset_folder = ["train", "validation", "test"]
    class_folder = ["Seahorse",
                    ...
                    ]
    root_path = "../OID/Restraint_Of_MarineCreature_In_OpenImagev4/Dataset/"
    # 遍历train,val,test数据集
    for folder1 in dataset_folder:
        # ../OID/UnRestraint_Of_MarineCreature_In_OpenImagev4/Dataset/train/
        dataset_root_path = root_path + folder1 + "/"
        # 遍历具体类别
        for folder2 in class_folder:
            # ../OID/UnRestraint_Of_MarineCreature_In_OpenImagev4/Dataset/train/Seahorse/
            label_root_path = dataset_root_path + folder2 + "/"

save_xml_path = 'VOC2007/Annotations'

# ../OID/UnRestraint_Of_MarineCreature_In_OpenImagev4/Dataset/train/Seahorse/Label/
            files = os.listdir(label_root_path + "/Label/")
            print(files)
            # 遍历label和box的标签文件
            for file in files:
                # 对于每一个label.txt:
                # param1:../OID/UnRestraint_Of_MarineCreature_In_OpenImagev4/Dataset/train/Seahorse/
                # param2:imglabel.txt
                # param3:annotation
                make_xml(label_root_path, file, save_xml_path)
```

匹配测试isPatch.py：

```
import os
import xml.etree.ElementTree as ET

import cv2

# 看文件名和数量是否匹配
def patch_rate(xmlDirPath, pictureDirPath):
    xmlList = []
    pngList = []
    count = 0
    for item in os.listdir(xmlDirPath):
        xmlList.append(item)
    for item in os.listdir(pictureDirPath):
        pngList.append(item)
    for i in range(len(xmlList)):
        if xmlList[i].split('.')[0] == pngList[i].split('.')[0]:
            count += 1
    return count, len(xmlList), len(pngList), count / len(xmlList)

def visualization_image(image_name, xml_file_name):
    tree = ET.parse(xml_file_name)
    root = tree.getroot()

object_lists = []
    for child in root:
        if child.tag == "folder":
            print(child.tag, child.text)
        elif child.tag == "filename":
            print(child.tag, child.text)
        elif child.tag == "size":  # 解析size
            for size_child in child:
                if size_child.tag == "width":
                    print(size_child.tag, size_child.text)
                elif size_child.tag == "height":
                    print(size_child.tag, size_child.text)
                elif size_child.tag == "depth":
                    print(size_child.tag, size_child.text)
        elif child.tag == "object":  # 解析object
            singleObject = {}
            for object_child in child:
                if object_child.tag == "name":
                    # print(object_child.tag,object_child.text)
                    singleObject["name"] = object_child.text
                elif object_child.tag == "bndbox":
                    for bndbox_child in object_child:
                        if bndbox_child.tag == "xmin":
                            singleObject["xmin"] = bndbox_child.text
                            # print(bndbox_child.tag, bndbox_child.text)
                        elif bndbox_child.tag == "ymin":
                            # print(bndbox_child.tag, bndbox_child.text)
                            singleObject["ymin"] = bndbox_child.text
                        elif bndbox_child.tag == "xmax":
                            singleObject["xmax"] = bndbox_child.text
                        elif bndbox_child.tag == "ymax":
                            singleObject["ymax"] = bndbox_child.text
            object_length = len(singleObject)
            if object_length > 0:
                object_lists.append(singleObject)
    img = cv2.imread(image_name)
    for object_coordinate in object_lists:
        bboxes_draw_on_img(img, object_coordinate)
    cv2.imshow("capture", img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

def bboxes_draw_on_img(img, bbox, color=[255, 0, 0], thickness=1):
    # Draw bounding box...
    print(bbox)
    p1 = (int(float(bbox["xmin"])), int(float(bbox["ymin"])))
    p2 = (int(float(bbox["xmax"])), int(float(bbox["ymax"])))
    cv2.rectangle(img, p1, p2, color, thickness)

if __name__ == '__main__':
    xmlDirPath = 'VOC2007/Annotations'
    pictureDirPath = 'VOC2007/JPEGImages'
    print(patch_rate(xmlDirPath, pictureDirPath))
    xmlList = []
    pngList = []
    for item in os.listdir(xmlDirPath):
        xmlList.append(item)
    for item in os.listdir(pictureDirPath):
        pngList.append(item)
    # 上面的总数，由于太多，隔700个取一次
    for i in range(1, 10909, 700):
        visualization_image(
            "VOC2007/JPEGImages/" + pngList[i],
            "VOC2007/Annotations/" + xmlList[i])
```

## 5 最终效果

批量生成的annotations：

![](https://www.anleenoxu.top/usr/uploads/2021/03/1180737774.jpg)

xml和图片的匹配效果：
![](https://www.anleenoxu.top/usr/uploads/2021/03/475822409.jpg)
![](https://www.anleenoxu.top/usr/uploads/2021/03/2202639457.jpg)

2021/3/12更新：Open Image标注框有小数，从0.0-0.9不等，有的框边缘细微地方没有完全包含整个物体，所以采用取上/下整函数。

Last modification：October 27, 2021

喜欢就加个鸡腿吧！

One comment

奇幻风之旅
2021年4月10日 20:12

帮助很大！找了好久，确定谷歌Open Image后一直不清楚怎么下载，以及下载后怎么换成VOC，感谢博主！

Reply

谷歌Open Image v4数据集按指定类目下载并批量转化为VOC格式

Anleeno • 2021 年 03 月 10 日

## 1 前言

## 2 Open Image v4简单介绍

</div>

![OID](https://www.anleenoxu.top/usr/uploads/2021/03/4049455677.jpg)

## 3 按指定类别下载数据集

### 3.1 OIDv4_ToolKit

用Gitbash把项目下载到本地：

```
git clone https://github.com/EscVM/OIDv4_ToolKit.git
```

### 3.2 项目结构

![项目结构](https://www.anleenoxu.top/usr/uploads/2021/03/211070966.jpg)

### 3.3 下载命令

运行下面的命令查看参数说明：

```
python main.py -h
```

参数说明：

![参数说明](https://www.anleenoxu.top/usr/uploads/2021/03/1098470270.jpg)

按照下面的命令就行了：

## 4 批量转化为VOC格式

### 4.1 标签特点

具体类别的内部文件，一个Label文件夹，包含该类所有图像对应的标记文本，一个文本对应一个图片，一行一个标记框。

![](https://www.anleenoxu.top/usr/uploads/2021/03/192234769.jpg)

![谷歌OID标签](https://www.anleenoxu.top/usr/uploads/2021/03/935958961.jpg)

### 4.2 分析

### 4.3 批量转化

说了那么多，下面正式开始干货！

一键转换box2voc.py：

```
import math
import shutil

import cv2
from lxml.etree import Element, SubElement, tostring
from xml.dom.minidom import parseString
import os

f = open(txt_path, 'r')
    data = []
    for line in f:
        data.append(line.strip())
    print(data)
    f.close()

# lines = str(line).split(' ')
    # box_num = len(data)
    pic_name = txt_name_path.replace(".txt", ".jpg")

node_height = SubElement(node_size, 'height')
    node_height.text = str(shape[0])

Xmin = math.floor(float(dat[1]))
            Ymin = math.floor(float(dat[2]))
            Xmax = math.ceil(float(dat[3]))
            Ymax = math.ceil(float(dat[4]))

cls_name = Label

node_object = SubElement(node_root, 'object')
            node_name = SubElement(node_object, 'name')
            # 类别名字
            node_name.text = cls_name

else:
            Label = dat[0] + dat[1]

Xmin = math.floor(float(dat[2]))
            Ymin = math.floor(float(dat[3]))
            Xmax = math.ceil(float(dat[4]))
            Ymax = math.ceil(float(dat[5]))

cls_name = Label

save_xml_path = 'VOC2007/Annotations'

匹配测试isPatch.py：

```
import os
import xml.etree.ElementTree as ET

import cv2

def visualization_image(image_name, xml_file_name):
    tree = ET.parse(xml_file_name)
    root = tree.getroot()

## 5 最终效果

批量生成的annotations：

![](https://www.anleenoxu.top/usr/uploads/2021/03/1180737774.jpg)

xml和图片的匹配效果：
![](https://www.anleenoxu.top/usr/uploads/2021/03/475822409.jpg)
![](https://www.anleenoxu.top/usr/uploads/2021/03/2202639457.jpg)

2021/3/12更新：Open Image标注框有小数，从0.0-0.9不等，有的框边缘细微地方没有完全包含整个物体，所以采用取上/下整函数。

谷歌Open Image v4数据集按指定类目下载并批量转化为VOC格式

One comment

Leave a Comment Cancel reply

Typecho博客自定义高斯模糊背景小清新音乐播放器界面

RSS-万物皆可订，零基础用PM2管理器搭建私人RSSHub和跨域服务订阅微博和B站等优质内容

Hexo建站简史-搭建篇

Typecho博客通过QQ头像API自动解析邮箱生成头像地址

JS小练-防止HTML网页被修改调试、鼠标右键、复制等操作

计算机视觉“目标检测”方向历年论文整理

Python用扩展欧几里德算法求乘法逆元并用于EIGamal加密算法

RSS-万物皆可订，零基础用PM2管理器搭建私人RSSHub和跨域服务订阅微博和B站等优质内容

《Java并发编程之美》学习笔记

水下图像常用数据集整理

谷歌Open Image v4数据集按指定类目下载并批量转化为VOC格式