08目标检测数据集半自动化标注

深度学习目标检测通常需要较大的数据规模，但是数据集的标注通常是费时费力但又意义不大的一件事，我们可以先标注三五百张图片，然后训练一个较为初步的模型，然后使用这个模型对未标注的图像进行推理，将推理结果导出为voc格式，再将图片和标注文件使用本地图像标注软件labelimg打开，手动调整边框位置后，标注文件即可作为数据集用于后续的模型训练。

推理

!python /home/aistudio/PaddleDetection/tools/infer.py \
	-c /home/aistudio/PaddleDetection/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.yml \
	--draw_threshold=0.5 \
	--infer_dir=img \
	--output_dir=toolinfer \
	--use_vdl=True \
	--save_txt=True \
	-o weights=/home/aistudio/output/cascade_rcnn_r50_fpn_1x_coco/model_final

将推理结果保存到txt文件中

推理结果修改为voc格式标注

将产生的推理结果文件移动到指定文件夹中，将对应的坐标信息进行修改对应，生成voc格式的xml标注文件。

转换代码

import os
import cv2

headstr = """\
<annotation>
    <folder>VOC</folder>
    <filename>%s</filename>
    <source>
        <database>My Database</database>
        <annotation>VOC</annotation>
        <image>flickr</image>
        <flickrid>NULL</flickrid>
    </source>
    <owner>
        <flickrid>NULL</flickrid>
        <name>company</name>
    </owner>
    <size>
        <width>%d</width>
        <height>%d</height>
        <depth>%d</depth>
    </size>
    <segmented>0</segmented>
"""
objstr = """\
    <object>
        <na