因为目前的开源数据集ImageNet、VOC2007+2012等都是将图片的标签文件保存在xml文件中的的,所以目前主流的一些深度学习算法如SSD、Faster-RCNN等在训练的过程中都涉及到将数据处理为VOC格式的步骤。
xml文件由一个根元素和多个子元素构成,这些子元素都嵌套在根元素中,而子元素又可以嵌套在另一个子元素下,看图说话更清晰:
我在用自己的数据训练SSD-Tensorflow的时候涉及了一些对标签的一些运算,所以需要读取xml中的一些属性值,然后自动生成新的xml文件,在网上看了挺多资料,最后成功解决问题,但是发现网上的大神们多半直接上代码,我这种小白看得挺痛苦,许多函数和操作都需要再百度一下才看懂,后面觉得应该记录一下,说不定有人跟我一样需要,也防止自己以后用到~
#!/usr/bin/env python
# coding:utf-8
#在使用这段代码之前需要自行下载lxml.etree和xml模块
#我用的anaconda,所以直接“conda install lxml.etree,xml”
from lxml.etree import Element, SubElement, tostring
from xml.dom.minidom import parseString
import os
import xml.etree.ElementTree as ET #导入xml模块
'''
该部分内容为读取已存在的xml文件,并根据需要读取相应的属性
我需要读取的是xmin、xmax、ymin、ymax和name
'''
#将构建好的xml内容写入相应的.xml文件中
def write_to_xml(path, xml):
savingtxtmsg = open(path, 'wb')
savingtxtmsg.write(xml)
savingtxtmsg.close()
#批量读取xml文件,并提取出其中的name, xmin, xmax, ymin, ymax
file_path = '/Your/existed/xml/file' #需要读取的xml文件所在的文件夹
save_path = '/The/path/you/are/going/to/save' #将要保存xml的文件夹
files = os.listdir(file_path) #列举出文件夹中的所有文件
for item in files: #循环
if item.endswith('.xml'): #只对文件夹中的xml文件进行操作
path = os.path.join(file_path