xml转voc数据集（含分享数据集）

数据集的链接:行人检测数据集voc数据集(100张)

原始图片和.xml数据目录结构如下：

. 
└── data
    ├── 003002_0.jpg
    ├── 003002_0.xml
    ├── 003002_1.jpg
    ├── 003002_1.xml
    ├── 003008_1.jpg
    ├── 003008_1.xml
    └── .......
└── xml2voc2007.py

• data目录下就是你的数据集原始图片，加上标注的.xml文件。
• xml2voc2007.py源码放到这篇文章的最后边。

在labelme2coco.py文件的目录下，打开命令行执行：

python xml2voc2007.py --input_dir data --output_dir VOCdevkit

• --input_dir：指定data文件夹，默认输入为xml2voc2007.py同级目录下的data文件夹。
• --output_dir：指定你的输出文件夹，默认输出为xml2voc2007.py同级目录下的VOCdevkit文件夹(没有的话就会创建)。

执行结果如下图：

生成的voc数据集目录结构如下：

.
└── VOCdevkit
    └── VOC2007
        ├── Annotations
        │   ├── 003002_0.xml
        │   ├── 003002_1.xml
        │   ├── 003008_1.xml
        │   └── .......
        ├── ImageSets
        │   └── Main
        │       ├── test.txt
        │       ├── train.txt
        │       ├── trainval.txt
        │       └── val.txt
        └── JPEGImages
            ├── 003002_0.jpg
            ├── 003002_1.jpg
            ├── 003008_1.jpg
            └──.......

如果想调整训练集验证集的比例，可以在labelme2coco.py源码中搜索 percent_trainval (训练集和验证集在总数中的占比)，percent_train，(训练集在percent_trainval中的占比)

xml2voc2007.py源码：

# 命令行执行：  python xml2voc2007.py --input_dir data --output_dir VOCdevkit

import argparse
import glob
import os
import random
import os.path as osp
import sys
import shutil

# 主程序执行
def main():
    parser = argparse.ArgumentParser(
        formatter_class=argparse.ArgumentDefaultsHelpFormatter
    )
    parser.add_argument("--input_dir",default="data", help="input annotated directory")
    parser.add_argument("--output_dir",default="VOCdevkit", help="output dataset directory")
    args = parser.parse_args()

    if osp.exists(args.output_dir):
        print("Output directory already exists:", args.output_dir)
        sys.exit(1)
    os.makedirs(args.output_dir)
    print("| Creating dataset dir:", osp.join(args.output_dir, "VOC2007"))

    # 创建保存的文件夹
    if not os.path.exists(osp.join(args.output_dir, "VOC2007","Annotations")):
        os.makedirs(osp.join(args.output_dir, "VOC2007", "Annotations"))
    if not os.path.exists(osp.join(args.output_dir, "VOC2007", "ImageSets")):
        os.makedirs(osp.join(args.output_dir, "VOC2007", "ImageSets"))
    if not os.path.exists(osp.join(args.output_dir, "VOC2007", "ImageSets", "Main")):
        os.makedirs(osp.join(args.output_dir, "VOC2007", "ImageSets", "Main"))
    if not os.path.exists(osp.join(args.output_dir, "VOC2007", "JPEGImages")):
        os.makedirs(osp.join(args.output_dir, "VOC2007", "JPEGImages"))

    # 获取目录下所有的.jpg文件列表
    total_img = glob.glob(osp.join(args.input_dir, "*.jpg"))
    print('| Image number: ', len(total_img))

    # 获取目录下所有的joson文件列表
    total_xml = glob.glob(osp.join(args.input_dir, "*.xml"))
    print('| Xml number: ', len(total_xml))


    percent_trainval = 0.8
    percent_train = 0.75
    num_total = len(total_xml)
    data_list = range(num_total)

    num_tv = int(num_total*percent_trainval)
    num_tr = int(num_tv*percent_train)
    num_trainval = random.sample(data_list, num_tv)
    num_train = random.sample(num_trainval, num_tr)
    
    print('| Train number: ', num_tr)
    print('| Val number: ', num_tv-num_tr)
    print('| Test number: ', num_total-num_tv)

    file_trainval = open(
        osp.join(args.output_dir, "VOC2007", "ImageSets", "Main", "trainval.txt"), 'w')
    file_test = open(
        osp.join(args.output_dir, "VOC2007", "ImageSets", "Main", "test.txt"), 'w')
    file_train = open(
        osp.join(args.output_dir, "VOC2007", "ImageSets", "Main", "train.txt"), 'w')
    file_val = open(
        osp.join(args.output_dir, "VOC2007", "ImageSets", "Main", "val.txt"), 'w')

    for i in data_list:
        name = total_xml[i][:-4]+'\n'
        if i in num_trainval:
            file_trainval.write(name[5:])
            if i in num_train:
                file_train.write(name[5:])
            else:
                file_val.write(name[5:])
        else:
            file_test.write(name[5:])

    file_trainval.close()
    file_train.close()
    file_val.close()
    file_test .close()

    if os.path.exists(args.input_dir):  
        # root 所指的是当前正在遍历的这个文件夹的本身的地址  
        # dirs 是一个 list，内容是该文件夹中所有的目录的名字(不包括子目录)  
        # files 同样是 list, 内容是该文件夹中所有的文件(不包括子目录)  
        for root,dirs,files in os.walk(args.input_dir):  
            for file in files:  
                src_file = osp.join(root, file)  
                if src_file.endswith(".jpg"):
                    shutil.copy(src_file, osp.join(args.output_dir, "VOC2007","JPEGImages"))  
                else:
                    shutil.copy(src_file, osp.join(args.output_dir, "VOC2007","Annotations")) 

    print('| Done!')  

if __name__ == "__main__":
    print("—"*50)
    main()
    print("—"*50)