yolo图像检测数据集中xml文件转化为txt文件

完整代码如下：

import xml.etree.ElementTree as ET
import os

# 标签类别
classes = ["DefectPin", "NormalPin"]

CURRENT_DIR = os.path.dirname(os.path.abspath(__file__))


def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0  # (x_min + x_max) / 2.0
    y = (box[2] + box[3]) / 2.0  # (y_min + y_max) / 2.0
    w = box[1] - box[0]  # x_max - x_min
    h = box[3] - box[2]  # y_max - y_min
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_annotation(image_id):
    in_file = open('./data_insutors/标签/%s.xml' % image_id, encoding='UTF-8')  # .xml文件
    out_file = open('./data_insutors/labels/%s.txt' % image_id, 'w')  # 生成.txt文件
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        cls = obj.find('name').text
        if cls not in classes:
            continue
        cls_id = classes.index(cls)
        xml_box = obj.find('bndbox')
        b = (float(xml_box.find('xmin').text), float(xml_box.find('xmax').text), float(xml_box.find('ymin').text),
             float(xml_box.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


xml_path = os.path.join(CURRENT_DIR, './data_insutors/标签')  # .xml文件所在目录

img_xml = os.listdir(xml_path)
for img_xml in img_xml:
    label_name = img_xml.rsplit('.', 1)[0]
    convert_annotation(label_name)

需要修改的信息例举如下

1、获取标签的类别信息

2、指定xml文件和txt文件路径

3、获取xml文件所在目录 

4、获取生成的txt文件名（需要与对应的图像文件名一致），具体文件名获取参考如下，需要根据实际的图像文件名进行获取：

5、修改完以上4步，即可将xml文件转化为对应的txt文件。