Tensorflow框架下目标检测所需数据集的制作步骤：

第一步：收集图片，按照一定比例分别放置在train文件夹和test（或者val数据集）文件夹中的JPEGImage文件夹下；注意：训练集和验证集文件夹下分别有Annotation文件夹和JPEGImage文件夹；

第二步：分别对文件夹下的图片进行统一命名，一般多以数字升序来命名；

1、可以使用Windows自带的重命名，一般数字名称会带有括号，可以按照另一个博主的文章进行对应的修改；地址链接如下：https://blog.youkuaiyun.com/zhan10001/article/details/78607547

2、也可以自己用C++或python代码来对数据集图片进行统一命名；

第三步：用数据标注工具对数据集进行标注；另外需注意，使用标注工具时，对类别名称的命名。注意：不同的标注工具标注的数据集，输出的XML文件可能略有差异；比如object的名称，有的显示为1、2、3、等等纯数字，有的则显示为1.jpg、2.jpg 等等；。

第四步：方法一：可以直接利用所给出的tf_covert _data.py 等相关代码直接转换为tfrecord格式；需注意：可以多个XML文件转换为一个tfrecord文件，但应使XML文件数  /  tfrecord文件数  ；其商为整数；否者将有图片对应的XML文件不能被转换；

代码网址链接：https://github.com/balancap/SSD-Tensorflow

方法二：可以将XML文件转换为 .csv文件，然后再由 .csv 文件转换为 tfrcord 文件；注意：需要时，可对标注数据集图片信息进行统计（如：包含目标的图片数量、各类目标的总数、标注框的长宽比等），既可以在XML文件下直接读取进行统计，也可以利用python的数据分析在 .csv文件下进行信息统计。详细内容见另一篇博客：https://github.com/XiangGuo1992/Screen-Vehicle-Detection-using-Tensorflow-API    对于Tensorflow，需要输入专门的 TFRecords Format 格式。该博主写了两个小python脚本文件，第一个将文件夹内的xml文件内的信息统一记录到.csv表格中（xml_to_csv.py），第二个从.csv表格中创建TFRecords格式（generate_tfrecord.py）。

另外：如果由于标注工具不同，第三步输出的XML文件略有差异时，如果第四步提示找不到对应的图片（如：1.jpg），可能是因为  .csv文件中名称是 1  而不是对应的 1.jpg ；可以利用表格的特性直接对 .csv 文件中的名称列 进行修改即可；然后再转换为tfrecord格式。