labelimg使用以及xml和txt转化

一、使用

win+r——输入cmd

激活已有的环境

conda activate torch1.2.0

下载lebelme

pip install labelme==3.16.7 

再输入labelme打开软件就可 

可以设置自动保存,View——auto save mode打上勾

 二、注意

1.自己类的定义名称,在txt中是0,1,2表示,在xml中用写的比如dog等

2.原始图像需要是jpg24位深格式(具体参考本人另一篇这个格式调整问题)

labelme制作自己数据集以及图片格式问题_labelme数据格式_彩色面团儿的博客-CSDN博客

3.注意要求是voc的xml格式,还是txt格式,默认xml格式,如果标记完了发现要txt,后面会分享代码一键修改

三、xml转txt

xml内容

对应转成txt样式

#需要修改类别名和XML路径和输出的txt文件路径

import xml.etree.ElementTree as ET
import os
# 类别
CLASSES=["dog", "cat", "leaf"]
# xml文件路径
xml_input="D:/2_label/label/"
def convert(size,box):
    # 将bbox的左上角点,右下角点坐标的格式,转换为bbox中心点+bbox的W,H的格式,并进行归一化
    dw=1./size[0]
    dh=1./size[1]
    x=(box[0]+box[1])/2.0
    y=(box[2]+box[3])/2.0
    w=box[1]-box[0]
    h=box[3]-box[2]
    x=x*dw
    w=w*dw
    y=y*dh
    h=h*dh
    return (x,y,w,h)
def convert_annotation(image_id):
    # 把图像image_id的xml文件转换为目标检测的label文件(txt)
    # 其中包含物体的类别cls,bbox的中心点坐标,以及bbox的W,H
    # 并将四个物理量归一化
    in_file=open(xml_input+image_id,'r',encoding='utf-8')
    image_id=image_id.split(".")[0]
    print(image_id)
    out_file=open("D:/2_label/label_txt/%s.txt"%(image_id),"w")
    #print(in_file)
    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"):

        #difficult = obj.find("difficult").text
        difficult = 0;

        #print(difficult)
        obj_cls=obj.find("name").text
        if obj_cls not in CLASSES or int(difficult)==1:
            continue
        cls_id=CLASSES.index(obj_cls)
        xmlbox=obj.find("bndbox")
        points=(float(xmlbox.find("xmin").text),
                float(xmlbox.find("xmax").text),
                float(xmlbox.find("ymin").text),
                float(xmlbox.find("ymax").text))
        bb=convert((w,h),points)
        out_file.write(str(cls_id)+" "+" ".join([str(a) for a in bb])+"\n")
def make_label_txt():
    # labels文件夹下创建image_id.txt
    # 对应每个image_id.xml提取出的bbox信息
    filenames = os.listdir(xml_input)
    #print(filenames)
    for file in filenames:
       # print(file)
        convert_annotation(file)

if __name__=="__main__":
    # 开始提取和转换
    make_label_txt()

  • 5
    点赞
  • 18
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
### 回答1: labelimg可以将XML文件转换为TXT文件。具体步骤如下: 1. 打开labelimg软件,点击菜单栏中的“File”选项,选择“Open Dir”打开包含XML文件的文件夹。 2. 在左侧的文件列表中选择一个XML文件,然后在右侧的标注区域中进行标注。 3. 标注完后,点击菜单栏中的“File”选项,选择“Save As”保存标注结果。在保存对话框中,将文件类型设置为“YOLO”或“TXT”,然后保存即可。 4. 重复以上步骤,将所有需要转换的XML文件都转换为TXT文件。 ### 回答2: labelimg是一种常用的图像标注工具,它可以帮助我们快速完对图像标注困难度较高的任务。在labelimg中,我们通常会以xml格式保存标注信息,包括图像中的目标类别、位置和尺寸等。 但是,在某些情况下,我们需要将xml格式的标注信息转换txt格式,比如在训练深度学习模型时。这时,我们可以借助一些工具,比如python脚本,来实现自动化的转换过程。 具体来说,将xml转换为txt的过程,主要包括以下几个步骤: 1.读取xml文件:使用python中的xml库,可以很方便地读取xml文件,并解析出其中的标注信息。 2.获取标注信息:解析xml文件后,我们可以获取到其中的目标类别、位置和尺寸等标注信息。这些信息可以通过python的字典或列表等数据结构进行存储。 3.写入txt文件:获取到标注信息后,我们可以将其写入txt文件中,通常每一行代表一张图像的标注信息。txt文件的格式可以根据具体需求进行定义,比如每行用空格或逗号分隔,或者采用一定的编码方式等。 需要注意的是,在转换过程中我们还需要考虑标注信息的坐标系。在xml中,通常使用的是图像相对坐标系或绝对坐标系,而在训练深度学习模型时,通常需要使用相对于图像尺寸的比例坐标系。因此,在转换过程中需要进行相应的坐标变换。 总之,将xml转换为txt是一个比较简单的过程,但需要注意各种细节问题,比如文件路径、文件格式、坐标变换等。熟练掌握标注工具和python库的使用,可以帮助我们更快地完转换任务,提高标注效率和模型训练效果。 ### 回答3: LabelImg是一款免费的图像标注工具,可以方便地创建图像标注,支持多种数据格式,其中包括XMLTXT格式。因此,LabelImg可以将XML格式的图像标注文件转换为TXT格式的文件。 XML是eXtensible Markup Language的简称,是一种用于描述、存储和传输数据的文本格式。对于图像标注,XML文件包含图像的标注框位置、类别和其他相关信息。与之相比,TXT格式的文件包含每个标注框的位置和类别信息,但它不能存储其他相关信息。 要将XML格式的图像标注文件转换为TXT格式,只需要打开LabelImg,然后打开包含XML文件的图像文件夹。接下来,选择“存储为Text文件”选项,然后输入新文件名称,即可将XML文件转换为TXT文件。 这种转换的主要好处在于TXT格式的文件更易于使用,可以方便地与其他软件集和处理。而且,许多深度学习框架也支持TXT格式的标注文件,这意味着您可以直接使用它们来训练模型。因此,使用LabelImgXML格式的标注文件转换为TXT格式是一种非常有用的工具,可以帮助您更加高效地进行图像标注和开发训练模型。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

彩色面团儿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值