PaddleClas学习2——使用PPLCNet模型对车辆朝向进行识别（python）

1. 配置PaddlePaddle，PaddleClas环境

安装：请先参考文档 环境准备 配置 PaddleClas 运行环境。

2. 准备数据

首先从VeRi数据集官网中申请并下载数据。

2.1 标注数据格式

参考：基于PP-Vehicle的交通监控分析系统
VeRi数据集标注了车辆的10种属性，其中10种车辆颜色，9种车型属性，具体如下：

# 车辆颜色
- "yellow"
- "orange"
- "green"
- "gray"
- "red"
- "blue"
- "white"
- "golden"
- "brown"
- "black"
# 车型
- "sedan"
- "suv"
- "van"
- "hatchback"
- "mpv"
- "pickup"
- "bus"
- "truck"
- "estate"
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

在标注文件中使用长度为19的序列来表示上述属性。
举例：
[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0]

前10位中，位序号0的值为1，表示车辆颜色为"yellow"。

后9位中，位序号11的值为1，表示车型为"suv"。
现在定义一种新的属性车辆朝向，包含forward、sideward、backward三个属性，因此要在上述19位标志的后面增加3位分别对应上面的3个方向。
新的属性定义变成了[1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1].(括号内为新增属性位，最后一位为1，表示朝向为backward)

2.2 标注数据

（1）创建list_direction.txt，添加内容：

1 forward
2 sideward
3 backward
1
2
3

（2）修改train_label.xml、test_label.xml，添加directionID字段，如下：

其中directionID为1表示车头朝前，2表示车辆水平，3表示车头朝后

（3）转换label，生成train_list.txt
可以在python终端中执行下面的命令，也可以将其写入一个文件，然后使用python convert.py的方式运行该文件。

import os
from xml.dom.minidom import parse

vehicleids = []

def convert_annotation(input_fp, output_fp, subdir):
    in_file = open(input_fp)
    list_file = open(output_fp, 'w')
    tree = parse(in_file)

    root = tree.documentElement

    for item in root.getElementsByTagName("Item"):  
        label 
1
2
3
4
5
6
7
8
9
10
11
12
13