Raccoon VOC 변환에 대한 질문입니다

Question

안녕하세요 수업시간에 배운 https://github.com/datitran/raccoon_dataset 데이터셋을 VOC로 활용해보고 싶은데, VOC 공식 데이터는 https://deepbaksuvision.github.io/Modu_ObjectDetection/posts/02_01_PASCAL_VOC.html 사이트에 있는 것처럼 디렉토리 구조를 가지는데 이와 같은 구조로 만들기 위해서는 현재 Raccoon 데이터셋에서는 제가 따로 구현해야 하는 부분인가요?

권 철민 · Answer

음, 이건 소스 코드를 보시고, 스스로 작업 하셔야 할 것 같습니다.

제 생각엔 아래 코드에서 test.txt에 테스트용 이미지 파일명을,

trainval.txt에 학습검증용 이미지 파일명을

그리고 label.txt에 label name인 racoon을 넣어주시면 될 것 같습니다. class id는 label.txt에 label name을 넣으면 자동으로 변환하는 것 같습니다.
if is_test:
image_sets_file = self.root / "ImageSets/Main/test.txt"
else:
image_sets_file = self.root / "ImageSets/Main/trainval.txt"
self.ids = VOCDataset._read_image_ids(image_sets_file)
self.keep_difficult = keep_difficult
# if the labels file exists, read in the class names
label_file_name = self.root / "labels.txt"

젓인 · Answer

네 파이토치 기반의 프로그램을 작성하다보니까 https://github.com/qfgaohao/pytorch-ssd/blob/f61ab424d09bf3d4bb3925693579ac0a92541b0d/vision/datasets/voc_dataset.py#L9 위 소스파일에 있는 클래스를 사용할 수밖에 없었는데, 위 클래스에서는 정석적인 VOC 구조로 파싱해서 그런 것 같습니다 ㅠ 선생님이랑 같이 실습할 때는 필요가 없었는데 말이죠..

권 철민 · Answer

안녕하십니까, racoon 데이터 세트가 VOC XML Annotation 포맷입니다. 굳이 VOC 공식 디렉토리 구조를 가지실 필요가 없습니다. VOC는 train/valid/test를 각자 디렉토리 별로 분리되어 있기에 이를 감안해서 object detection 학습을 시켰을 뿐입니다. 꼭 해당 디렉토리를 지켜야할 필요가 있으신지요?