这是一个不用进行数据标注，自动产生深度学习训练集（tensorflow标准数据集格式tfrecord)的脚本。

环境说明

• python3.6
• tensorflow-cpu 1.2.1

结构说明

• autoGimg文件夹用于存放程序自动产生的图片
• autoGtfrecord文件夹用于存放程序产生的tfrecord格式的训练集文件
• bimg文件夹用于存放提供给程序的背景图片， 命名必须以连续的数字命名，格式为jpg,形如"1.jpg,2.jpg..."
• timg文件夹用于存放目标物品图片，命名遵循“标签-序号"的格式，图片格式为png。形如"AD-1.png,AD-2.png..."
• label.py 关于标签
• gen_img_tfrecord.py 主程序
• dataset_utils.py tensorflow中一些关于数据集处理的函数

使用说明

1.克隆项目到本地

git clone https://github.com/SwordLight6/auto-gen-tfrecord.git

2.运行gen_img_tfrecord.py

python gen_img_tfrecord.py -c 20 

起始已经提供了一些图片了，直接运行没有问题，具体的需求和配置查看函数参数的含义自行配置 （直接运行的效果是使用背景图的前10张，生成20张含有目标图的图片，以及20张生成的图片对应的tfrecord，如果自行提供图片， 还需要做如下事情：1.把你处理好的目标图（遵循命名和格式要求）放到timg文件夹下 2.把你的背景图（遵循命名和格式要求）放到bimg文件夹下）

生成图片的效果

训练模型的识别效果

使用的是tensorflow实现的SSD网络模型
具体分别使用使用了两版模型进行训练
1.https://github.com/balancap/SSD-Tensorflow
2.https://github.com/HiKapok/SSD.TensorFlow
效果还行吧（毕竟是偷懒的结果）