如何在TFLite Model Maker中拼接不同目录的数据集？

由于TFLite Model Maker的object_detector.DataLoader没有内置的拼接方法，你可以通过以下步骤手动合并两个数据集：

1. 合并内部的TensorFlow Dataset对象
2. 基于合并后的数据集重新构建DataLoader实例，并同步必要的属性

具体代码如下：

from tflite_model_maker import object_detector

DIR_IMAGES_TRAIN1="/data_dir1"
DIR_IMAGES_TRAIN2="/data_dir2"
DIR_ANNOT_TRAIN1="/annot_dir1"
DIR_ANNOT_TRAIN2="/annot_dir2"
LABEL_MAP = ["custom_object"]

train_data = object_detector.DataLoader.from_pascal_voc(DIR_IMAGES_TRAIN1, DIR_ANNOT_TRAIN1, LABEL_MAP)
train_data2 = object_detector.DataLoader.from_pascal_voc(DIR_IMAGES_TRAIN2, DIR_ANNOT_TRAIN2, LABEL_MAP)

# 合并两个内部的TensorFlow Dataset
combined_dataset = train_data.dataset.concatenate(train_data2.dataset)

# 构建新的DataLoader实例
combined_train_data = object_detector.DataLoader(
    dataset=combined_dataset,
    label_map=train_data.label_map,
    size=train_data.size + train_data2.size,
    _groundtruth_boxes_key=train_data._groundtruth_boxes_key,
    _groundtruth_classes_key=train_data._groundtruth_classes_key
)

关键说明： #

• dataset：直接调用TensorFlow Dataset的concatenate方法合并两个数据集的核心数据
• label_map：两个原数据集使用相同的标签映射，直接复用其中一个即可
• size：合并后的数据集总大小为两个原数据集大小之和
• _groundtruth_boxes_key和_groundtruth_classes_key：这两个是DataLoader内部用于标识检测框和类别属性的键，必须与原数据集保持一致，直接复制即可

内容的提问来源于stack exchange，提问作者zeroflaw