自定义数据的张量流对象检测标签

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。但目前尚不清楚如何填充变量以生成tfrecords。根据以下代码，

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？还有，编码图像数据的预期是什么？

Answer 1

以下是为Tensorflow Object Detection 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

在你的情况下，xmin，xmax等应该只是一个普通的python列表。图像编码应该是jpeg或png（我相信两者都可以互换使用，但如果可能的话，我建议坚持使用一种格式保持一致）。