用于自定义数据的 tensorflow 对象检测标签

Question

我有一个代码来获取图像的宽度和高度，以及边界框的类、xmin、xmax、ymin、ymax。但不清楚如何填充变量以生成 tfrecords。根据下面的代码，

height = None # Image height width = None # Image width filename = None # Filename of the image. Empty if image is not from file encoded_image_data = None # Encoded image bytes image_format = None # b'jpeg' or b'png'

xmins = [] # List of normalized left x coordinates in bounding box (1 per box) xmaxs = [] # List of normalized right x coordinates in bounding box # (1 per box) ymins = [] # List of normalized top y coordinates in bounding box (1 per box)
ymaxs = [] # List of normalized bottom y coordinates in bounding box # (1 per box) classes_text = [] # List of string class name of bounding box (1 per box) classes = [] # List of integer class id of bounding box (1 per box)

对于每个图像的多个边界框，应如何填充 xmin、xmax、ymin、ymax 和类？它们应该是行向量还是列向量？另外，对于类文本，它是否会根据边界框的顺序列出所有类名？另外，编码的图像数据是什么？

Answer 1

以下是为 Tensorflow 对象检测 API 设置自定义数据集的指南： https://github.com/tensorflow/models/blob/master/object_detection/g3doc/using_your_own_dataset.md

在您的情况下，xmin、xmax 等应该只是一个普通的 python 列表。并且图像编码应该是 jpeg 或 png （我相信两者可以互换使用，但我建议尽可能坚持一种格式以保持一致性）。