利用yolov实现目标检测——数据集格式转换以及划分训练集和验证集

作者有话说：我是个小白，这个是我的学习记录，以便以后回过头来看的时候能看懂;-)，希望也可以帮助到大家🤗别杠杠就是你对哈哈哈哈哈哈

目录

一、VOC标签格式转成yolo格式，同时进行训练集和验证集的划分

---

一、VOC标签格式转成yolo格式，同时进行训练集和验证集的划分

1.我们前面那章所做的标签是VOC格式的，也就是.xml，而yolov5训练需要的文件格式是yolo的,也就是.txt的，这里就需要将xml格式的标签文件转换为txt文件的。

2. 先打开pycharm，打开一个工程，然后将之前打好标签的那个文件（VOCdevkit）复制到工程里去，这个文件的格式必须严格按照下图所示，因为下面那个代码文件名就是这个，如果要改的话，会很麻烦（所以小白的我选择严格按照来~）。

3.下面提供的代码是将xml格式的文件转换为txt格式的文件，同时也在训练自己的yolov5检测模型时，将数据集需要划分为训练集和验证集。

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
import random
from shutil import copyfile
 
classes = ["hat", "person"]
#classes=["ball"]
 
TRAIN_RATIO = 80
 
def clear_hidden_files(path):
    dir_list = os.listdir(path)
    for i in dir_list:
        abspath = os.path.join(os.path.abspath(path), i)
        if os.path.isfile(abspath):
            if i.startswith("._"):
                os.remove(abspath)
        else:
            clear_hidden_files(abspath)
 
def convert(size, box):
    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]