利用python爬取特定类别图片---labelimg制作自己的目标检测数据集
最近一直在学习神经网络，一方面是课题需要，另一方面是因为机器学习已经逐渐成为社会的潮流，各行各业都可以见到神经网络的应用，不学习一下都觉得自己落伍了。趁着这段时间没办法开学，好好学习了一些神经网络的基础内容，也试着把神经网络运用到自己的课题中来，今天在试验SSD目标检测网络的时候，发现要制作自己的训练集首先需要有训练的图片，可是一张一张找实在麻烦，找到了，逐个保存，最好还要改成统一的名称。百度找图找了几张，放弃了。。。几百张下去可能眼睛瞎了。
如果可以有一个程序自动找到我要的图片类型，还可以顺便修改统一名称保存到一个目录就好了。。。
又开始了百度：如何爬取网页里的图片？ 毕竟对网页代码不熟悉，只能求助于百度了（面向百度编程呀。。。）
大概原理分析：
1、首先打开chorm浏览器，进入百度搜索 “自己要搜的图片”，按下F12，进入开发者模式，就会看到如下所示，右边就是网页代码（看不懂没关系，我也不懂）
2、点击右侧的Network，鼠标滚轮在左边图片区域往下滑两下（图片是动态加载出来的，不滑两下Network下看不到东西）
点击XHR，在Name区域选择一个acjson?.......双击，就会出现右下角的小框，选择Headers，鼠标往下滑，找到Querry String Paramters。
Querry String Paramters表示什么呢，主要是发现这里有一个参数querryWord:工业指针式仪表 --------是的这就是我的查询关键字
其中的 word 指的是搜索关键字， pn 指的是第几页图片， rn 值得是每页有30张图片，那程序的目的就是对百度图片网址+这一系列参数进行解析
百度图片搜索的url为 https://image.baidu.com/search/acjson
将Querry String Paramters里面的搜索关键字设置为可改变的参数。如上图所示，设置为keyword
得到网址解析后的数据后就可以对其中的图片进行下载保存了参考https://www.jianshu.com/p/46287bd8559b
利用request.get()对网页进行请求访问，再调用json()方法进行解析，实现对图片的爬取保存，总体代码如下：
要记得在python中安装requests module ：pip install requests 即可
import requests
import os
def getManyPages(keyword, pages):
params = []
for i in range(30, 30 * pages + 30, 30):
params.append({
‘tn‘: ‘resultjson_com‘,
‘ipn‘: ‘rj‘,
‘ct‘: 201326592,
‘is‘: ‘‘,
‘fp‘: ‘result‘,
‘queryWord‘: keyword,
‘cl‘: 2,
‘lm‘: -1,
‘ie‘: ‘utf-8‘,
‘oe‘: ‘utf-8‘,
‘adpicid‘: ‘‘,
‘st‘: -1,
‘z‘: ‘‘,
‘ic‘: 0,
‘word‘: keyword,
‘s‘: ‘‘,
‘se‘: ‘‘,
‘tab‘: ‘‘,
‘width‘: ‘‘,
‘height‘: ‘‘,
‘face‘: 0,
‘istype‘: 2,
‘qc‘: ‘‘,
‘nc‘: 1,
‘fr‘: ‘‘,
‘pn‘: i,
‘rn‘: 30,
‘gsm‘: ‘1e‘,
‘1488942260214‘: ‘‘
})
url = ‘https://image.baidu.com/search/acjson‘
urls = []
for i in params:
urls.append(requests.get(url, params=i).json().get(‘data‘))
return urls
def getImg(dataList, localPath):
if not os.path.exists(localPath): # 新建文件夹
os.mkdir(localPath)
x = 0
for list in dataList:
for i in list:
if i.get(‘thumbURL‘) != None:
print(‘正在下载中：%s‘ % i.get(‘thumbURL‘))
ir = requests.get(i.get(‘thumbURL‘))
open(localPath + ‘%d.jpg‘ % x, ‘wb‘).write(ir.content)
x += 1
else:
print(‘该图片链接不存在‘)
if __name__ == ‘__main__‘:
dataList = getManyPages(‘工业指针式仪表‘, 2) # 参数1:关键字，参数2:要下载的页数
getImg(dataList, ‘data/yibiao/‘) # 参数2:指定保存的路径运行结果：
保存到本地文件夹的图片：
爬取到图片后人工对图片进行适当的筛选，删掉部分不符和要求的图片，就可以利用Labelimg进行图片的标注了
首先确定安装有labelimg 安装方式也简单： 打开python终端运行 pip install labelImg 即可
安装后在python终端下输入labelimg运行即可，因为我使用的是anaconda3的python开发环境，因此打开的是anaconda prompt
运行后就会出现运行界面
点击open dir 选择到自己下载的图片的路径
选择Changes Save Dir ：新建一个Annotations文件夹专门用来存放标签数据
点击creat/nRectBox 或者直接快捷键w 可以标注图片，框选目标最小区域，保存为对应的类别如cat，保存xmlz标注文件（在Annotations里面），点击切换到下一张继续标注。希望快一点的可以设置view下的自动保存，用快捷键 A和D实现上一张、下一张的切换。
标注是没有办法偷懒的，只能一张一张进行标注，几个小时标注是很正常的哈，如果一张图片里有多个目标物，就多次创建标注框即可
保存的标注文件：
打开一个看一看：
yibiao是类别名称
有文件路径，文件名，图片的尺寸大小，目标框的边框点坐标bndBox等信息
<annotation> <folder>yibiao</folder> <filename>1.jpg</filename> <path>E:\CV\qianyixuexi\ssd-keras-master\data\yibiao\1.jpg</path> <source> <database>Unknown</database> </source> <size> <width>286</width> <height>285</height> <depth>3</depth> </size> <segmented>0</segmented> <object> <name>class1</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <bndbox> <xmin>5</xmin> <ymin>3</ymin> <xmax>283</xmax> <ymax>279</ymax> </bndbox> </object> </annotation>