3.4 使用LabelImg标注图片
3.4.1 LabelImg简介
标注图片需要工具，LabelImg就是一个开源免费且轻量级的支持PASCAL VOC和YOLO标注规范的标注工具，它用矩形框的方式标注物体。
PASCAL（Pattern Analysis, Statistical Modelling and Computational Learning）即模式分析、统计建模和计算学习，是一个由欧盟资助的组织。PASCAL VOC （ Visual Object Classes），是由PASCAL组织的世界级的计算机视觉挑战赛，任务是在PASCAL数据集上做物体的分类、识别等。
PASCAL数据集有一套图片标注和模型评估规范，已成为PASCAL VOC标准。TensorFlow Object Detection API框架默认使用PASCAL VOC标准的标注规范。
3.4.2 建立猫狗项目文件夹结构
在标注物体前，首先建立猫狗项目文件夹目录结构，如图3-14所示。
图3-14 创建猫狗项目文件夹
在workspaces（工作区）文件夹下，创建一个cats_dogs的文件夹，意思是该项目是用于识别猫和狗的。在cats_dogs文件夹下，依次新建如下文件夹。
● annotations（标注）文件夹用于存放*.csv文件、标签映射文件*.pbtxt和对应的TensorFlow*.tfrecord文件，这些文件存放着图像的标注信息。
● images（图像）文件夹存放着训练图片和测试图片，以及对应的*.xml LabelImg标注文件。
请把下载的猫狗训练（train）数据集中的cat.0.jpg～cat.99.jpg，dog.0.jpg～dog.99.jpg，共200张图片复制到images\train文件夹。
请把下载的猫狗测试（test）数据集中的0.jpg～20.jpg，共20张图片复制到images\test文件夹。
将train文件夹中的图片标注完毕后，复制1/10的图片连同标注文件到images\eval文件夹，供训练的评估（Evaluation）操作使用。
● pre_trained_model文件夹存放预训练模型，请把下载的ssd_inception_v2_coco文件夹及其全部模型文件复制到该文件夹下。
● trained_frozen_models文件夹保存训练完毕的冻结图模型文件（*.pb）。
● training文件夹用于存放训练配置文件*.config，以及训练过程中产生的文件，如图3-15所示。
图3-15 猫狗项目文件夹结构
3.4.3 标注图片
标注图片的具体步骤如下。
第一步，激活tf_gpu虚拟环境，运行命令labelimg，启动LabelImg，如图3-16所示。
图3-16 启动LabelImg
第二步，选择训练图片所在文件夹。单击Open Dir按钮，选择训练图片所在的文件夹，本书选择tf_train\workspaces\cats_dogs\images\train文件夹，如图3-17所示。
图3-17 打开图片文件夹
第三步，选择存放标注文件的文件夹。单击Change Save Dir按钮，选择存放标注文件*.xml的文件夹，本书选择tf_train\workspaces\cats_dogs\images\train文件夹，如图3-18所示。
图3-18 选择存放标注*.xml的文件夹
第四步，标注图片。首先，单击Create RectBox按钮或者按〈W〉键，启动矩形框标注功能；然后，框选目标物体，并在弹出的窗口输入对应的标签名称“dog”，最后单击OK按钮完成本张图片的标注工作，如图3-19所示。
本书推荐使用快捷键“W键”启动矩形框标注功能。
图3-19 标注图片
第五步，保存标注。单击Save按钮保存标注信息到文件，如图3-20所示。
图3-20 保存标注
第六步，调出下一张图片。单击Next Image按钮调出下一张未标注的图片，如图3-21所示。
图3-21 调出下一张图片
最后，不断重复第四～六步，直到完成所有图片的标注工作。典型的图像标注流程如图3-22所示。
图3-22 标注图像的典型流程
3.4.4 标注文件（*.xml）简介
标注工作完毕后，在tf_train\workspaces\cats_dogs\images\train文件夹里面的每个.jpg文件旁边都有一个与之名字对应的.xml文件，如图3-23所示。
图3-23 标注文件
用文本编辑器打开任意一个xml文件，如dog99.xml，可以看到里面以xml格式记录着标记信息，如图3-24所示。
图3-24 标注记录信息
这些标签信息将会作为生成TensorFlow*.tfrecord文件的输入。
3.4.5 复制10%的数据到eval文件夹
一般来说，深度学习的数据集分为训练（train）、评估（eval）和测试（test）。训练数据与评估数据都在训练过程中使用，建议比例为train∶eval=8∶2，这是一个经验数值，也可以是9∶1或7∶3或其他。鉴于本书案例训练数据不多，选择的比例是9∶1，即从train文件夹中标记好的训练数据里面，复制1/10的数据到eval文件夹，如图3-25所示。
图3-25 复制标注数据到eval文件夹
3.4.6 复制数据到test文件夹
在训练过程中，不会使用test文件夹中的数据。test文件夹中的数据是在模型训练好之后，推理（Inference）计算中使用的。请从猫狗数据集的test文件夹中复制20张图片到images\test文件夹，以备推理计算之用，如图3-26所示。
图3-26 准备test数据集