一、準備

1. 搭建SSD框架，下載解壓即可

2. 下載pascalvoc資料，自己的資料根據voc格式改寫（圖片的名稱，不用拘泥於6位數字，其他命名也可以）資料集下載點選
   解壓後不要混合在一個資料夾下
   VOCtrainval用來訓練，VOCtest用來測試。
   VOCtrainval 中JPEGImage資料夾中僅是訓練和驗證的圖片，Main資料夾中僅是trainval.txt, train.txt, val.txt
   VOCtest中JPEGImage資料夾中僅是測試圖片，Main資料夾中僅是test.txt
   自己的檔案根據以上檔案格式放置圖片即可。

3. 自己的資料根據voc格式改寫（圖片的名稱，不用拘泥於6位數字，其他命名也可以）
   

   檔案重新命名點選

4. 標記資料 ，這個過程枯燥，需要耐心。詳情請點選,

5. 生成txt檔案，train.txt, trainval.txt, test.txt, val.txt

import os
import random

saveBasePath = r"./VOC007/ImageSets"              # txt檔案儲存目錄
total_xml = os.listdir(r'./VOC007/Annotations')   # 獲取標註檔案（file_name.xml）

# 劃分資料集為（訓練，驗證，測試集 = 49%,20%,30%）
trainval_percent =
 
 0.7
train_percent = 0.7
tv = int(len(total_xml) * trainval_percent)       # 70%訓練-驗證集的檔案數目
tr = int(tv * train_percent)                      # 70%訓練集的檔案數目

# 打亂訓練檔案（洗牌）
trainval = random.sample(range(len(total_xml)), tv)
train = random.sample(trainval, tr)

print("train and val size", tv)
print("train size"
 
, tr)
ftrainval = open(os.path.join(saveBasePath, 'Main/trainval.txt'), 'w')
ftest = open(os.path.join(saveBasePath, 'Main/test.txt'), 'w')
ftrain = open(os.path.join(saveBasePath, 'Main/train.txt'), 'w')
fval = open(os.path.join(saveBasePath, 'Main/val.txt'), 'w')

for i in range(len(total_xml)):                # 遍歷所有 file_name.xml 檔案
    name = total_xml[i][:-4] + '\n'            # 獲取 file_name
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

• 將train.txt, trainval.txt, test.txt, val.txt放置訓練驗證集檔案目錄下
  VOCtrainval_06-Nov-2007\VOCdevkit\VOC2007\ImageSets\Main\
• 將test.txt放置測試集檔案目錄下：
  VOCtest_06-Nov-2007\VOCdevkit\VOC2007\ImageSets\Main\

6. 將訓練類別修改為和自己一樣的
   在此目錄檔案下： SSD-Tensorflow/datasets/pascalvoc_common.py
   根據實際情況進行修改

VOC_LABELS = {   
    'none': (0, 'Background'),   
    'aeroplane': (1, 'Vehicle'),   
    'bicycle': (2, 'Vehicle'),   
    'bird': (3, 'Animal'),   
    'boat': (4, 'Vehicle'),   
    'bottle': (5, 'Indoor'),   
    'bus': (6, 'Vehicle'),   
    'car': (7, 'Vehicle'),   
    'cat': (8, 'Animal'),   
    'chair': (9, 'Indoor'),   
    'cow': (10, 'Animal'),   
    'diningtable': (11, 'Indoor'),   
    'dog': (12, 'Animal'),   
    'horse': (13, 'Animal'),   
    'motorbike': (14, 'Vehicle'),   
    'Person': (15, 'Person'),   
    'pottedplant': (16, 'Indoor'),   
    'sheep': (17, 'Animal'),   
    'sofa': (18, 'Indoor'),   
    'train': (19, 'Vehicle'),   
    'tvmonitor': (20, 'Indoor'),   
}

7. 將影象資料轉換為tfrecods格式
   SSD-Tensorflow/datasets/pascalvoc_to_tfrecords.py 。
   更改檔案的83行為:image_data = tf.gfile.FastGFile(filename, 'rb').read()
   更改檔案的67行，SAMPLES_PER_FILES = 500(自定義)意為：幾個.xml轉為一個tfrecords，如下圖
   
   待續