class_info.csv 此檔案是我自己對Google open image V5整理出各類別的所有訓練影像數量，其中數量包含是每個類別(train+test+validation)的影像數量，可以給您做參考。

Google_openData_precess.py 此程式針對 Google open image V5下載後的數據，使用「類別名稱」進行數據選取，挑出想要訓練的類別數據。

使用 Google_openData_precess.py 程式時，我的資料結構如下，train、test、validation目錄存放影像集，
{類別名稱}_DataSet 目錄是執行一次成後會產生的目錄:

Google_Open_ImageV5/
    ---csv/
       -class_info.csv
       -class-descriptions-boxable.csv
       -train-annotations-bbox.csv
       -test-annotations-bbox.csv
       -validation-annotations-bbox.csv
    ---train_00/
    ---train_01/
    ---train_02/
    ---train_03/
    ---train_04/
    ---train_05/
    ---train_06/
    ---train_07/
    ---train_08/
    ---test/
    ---validation/
    ---{類別名稱}_DataSet/

執行 Google_openData_precess.py 必須定義清楚自己的資料路徑以及變數，則路徑建議使用「絕對路徑」，避免不必要的錯誤發生

Example:
cvs_path = 'Google_Open_ImageV5/csv'
image_path = 'Google_Open_ImageV5/'
output_path = 'Google_Open_ImageV5/'
select_class_name = '{輸入想要選取的類別英文名稱，務必完整符合class_info.csv或class-descriptions-boxable.csv之英文名稱}'

image_process_tensorflow.py 此程式針對「擁有標籤檔案(.xml)」的影像數據集，在使用Tensorflow Object Detection API訓練前的數據前處理。

使用 image_process_tensorflow.py 程式時，我的資料結構如下:
Output_DataSet/ 目錄是執行一次成後會產生的目錄:

Google_Open_ImageV5/
    ---csv/
    ---train_00/
    ---train_01/
    ---train_02/
    ---train_03/
    ---train_04/
    ---train_05/
    ---train_06/
    ---train_07/
    ---train_08/
    ---test/
    ---validation/
    ---Hat_DataSet/
    ---Dog_DataSet/
    ---{Output_DataSet/}
       ---data/
           -train_labels.csv
           -train.record
           -validation_labels.csv
           -validation.record
        -object_detection.pbtxt
        ---train/
        ---test/
        ---validation/

執行 image_process_tensorflow.py 必須定義清楚自己的資料路徑以及變數，則路徑建議使用「絕對路徑」，避免不必要的錯誤發生

Example:
input_path = 'Google_Open_ImageV5/'
output_path = 'Google_Open_ImageV5/Output_DataSet/'
DataSet_Folder = ['Hat_DataSet','Dog_DataSet']
split_rate = [0.94, 0.04, 0.02]

完成後，請依照Tensorflow Object Detection API 所需數據進行建置