# 資料集製作
[toc]
## 簡介
本說明書將解說從您提供的 matlab 轉成 python 訓練上可用的標籤及圖片存放格式。

## 注意事項
- 我有針對檔案名稱進行一些處理，目的是讓程式更好執行

## Mat 轉成 COCO 格式
1. Mat 轉成 Json
這裡提供了一個 `extract.m` ，請使用 matlab 執行取出內容並以 json 格式儲存，這樣 python 才能讀取
2. 利用 `label.py` 將 Json 轉成 COCO 格式 Json
由於 COCO 格式相對好整理且整齊，在此基底以 COCO 格式整理，若需要 COCO 格式的詳細講解，可以參考[這裡](https://zhuanlan.zhihu.com/p/29393415)，若有不足再提出。
- 將 `label.py` 內部的 28, 29 行分別指定到儲存圖片的資料夾及存放利用matlab轉成的 json 的資料夾。
- 若有標籤需要增加，請參考以下幾列，針對需求去修改:
- 執行 `python label.py`，成功後產出 `coco_format.json`

## Roboflow
這裡使用 Roboflow 這個網站協助資料集製作，這個網站除了可以將自己的檔案轉成任何格式需求，更可以檢測自己的資料集有甚麼問題，如本次的資料集利用此網站有檢測到標籤數量比例問題，還有某張圖片是沒有任何標籤的。
連結：[https://roboflow.com](https://roboflow.com)

1. 點選連結後，選擇 sign up 辦理帳號
2. 辦理帳號成功後，點選 try roboflow 或是跟隨其導引直接到主畫面
3. 點選 create new project 建立新的資料集工作區
4. 點擊之後會開啟以下畫面：
重要的是在此步選擇資料集要解決的任務，如本次的資料集則是 object detection，然後把底下對應的欄位也打上對應的資料，授權則可以根據自己需求選擇。
5. 接下來會導引到上傳頁面，在此步請先上傳所有圖片後，再上傳剛剛製作好的 COCO 格式的 json。
7. 上傳完成後，點選右上角 save and continue 繼續
8. 接下來會跳出分割訓練、驗證及測試集的畫面，調整為所想要的比例後點選下一步
9. 接下來可以指定要先做哪些前處理或擴增動作，我在這一步有稍微調整圖片大小及圖片方位，如果需要可以再針對這裡進行了解。
10. 皆點選 Continue 後，便可以點選到最後的 Generate，便會來到資料集製作完成的畫面
如上圖，roboflow也有提供可以直接部署的模型訓練，若有需要可以使用，在這裡我們可以點擊右上角的export進行資料集產出。
11. 點擊後我們便來到資料集格式的選擇區域，本次我們使用的是YOLO 的 txt 格式，若有其他格式的需求也可以藉此進行操作，底下選擇 download zip to computer 便可以直接下載對應格式的資料集壓縮檔。
上圖為解壓縮後的範例，已經分類好，為照您指定的格式製作的資料集。

## YOLOv4 注意事項
1. export 資料集時，請照下圖選擇
2. 解壓縮位置建議擺放與雲端上的 yolov4-pytorch 相同，放在 data 資料夾中。
3. 存放完畢後，請在 yolov4-pytorch 資料夾中執行 `annotation_fix.py` ，製作出 yolov4-pytorch 所使用的標籤 txt
- 紅框處的 `base_path`，請指定為您要修改的資料夾分割(範例中是 valid)路徑，若要修改 train 就修改成 train
- 紅框處的 `output_file_path`，請指定為您要修改的資料夾分割(範例中是 valid)，若要修改 train 就修改成 train.txt
4. 產出後確認 yolov4-pytorch 中的 train.py
- 注意 `classes.txt` ，內容是否為對應資料集的所有標籤
- 確認下圖部分，是否為剛才第 3 步產出的 .txt

## YOLOv5 注意事項
1. export 資料集時，請照下圖選擇
2. 解壓縮位置建議擺放與雲端上的 yolov5 相同，直接將三個分割放在 yolov5 資料夾中。

## YOLOv8 注意事項
1. export 資料集時，請照下圖選擇
2. 解壓縮位置建議擺放與雲端上的 yolov8 相同，將三個分割放在 yolov8 資料夾中的 datasets 資料夾。