【数据集划分】将voc数据集划分为标准格式

存个档
数据集划分程序，将已经合并的图片和标签划分为如下格式
dataset（train(img、ann)、val(img、ann)）
代码：

import glob
import os
import shutil

outputpath='E:\Project\Waste_sorting/test/nanodet-main\dataset\std6_4'  #确定数据集的输出位置
input_imgpath='E:\Project\Waste_sorting\dataset\std6_4\imgall'          #确定所有输入图片的位置
input_labelpath='E:\Project\Waste_sorting\dataset\std6_4\labelall'      #确定所有输入标签的位置
train_ratio=8   #确定训练集与验证集的划分比例 8:2
count=0

if not os.path.exists(outputpath+'/train'):     #创建输出位置文件夹
    os.makedirs(outputpath+'/train')
    os.makedirs(outputpath+'/train/img')
    os.makedirs(outputpath+'/train/ann')
else :
    print('文件夹已存在，请检查输出目录')
if not os.path.exists(outputpath+'/val'):
    os.makedirs(outputpath+'/val')
    os.makedirs(outputpath+'/val/img')
    os.makedirs(outputpath+'/val/ann')
else :
    print('文件夹已存在，请检查输出目录')

img=glob.glob(input_imgpath+'/*.jpg')
ann=glob.glob(input_labelpath+'/*.xml')
for i in img:
    if count%10<train_ratio:
        shutil.copy(i,outputpath+'/train/img/')
    else:
        shutil.copy(i,outputpath+'/val/img/')
    count+=1
    if count%100==0:
        print('已完成图片移动数'+str(count))

count=0
for i in ann:
    if count%10<train_ratio:
        shutil.copy(i,outputpath+'/train/ann/')
    else:
        shutil.copy(i,outputpath+'/val/ann/')
    count+=1
    if count%100==0:
        print('已完成标签移动数'+str(count))