在做毕业设计开始时,用Labelimg标注完数据集后,得到的是XML格式的标签,而神经网络算法是想用YOLO v5的,必须用TXT文件格式的标签,所以为了解决这个问题,只能用PYTHON代码解决一下。
具体代码如下:
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
def convert(size, box):
x_center = (box[0] + box[1]) / 2.0
y_center = (box[2] + box[3]) / 2.0
x = x_center / size[0]
y = y_center / size[1]
w = (box[1] - box[0]) / size[0]
h = (box[3] - box[2]) / size[1]
return (x, y, w, h)
def convert_annotation(xml_files_path, save_txt_files_path, classes):
xml_files = os.listdir(xml_files_path)
print(xml_files)
for xml_name in xml_files:
print(xml_name)
xml_file = os.path.join(xml_files_path, xml_name)
out_txt_path = os.path.join(save_txt_files_path, xml_name.split('.')[0] + '.txt')
out_txt_f = open(out_txt_path, 'w')
tree = ET.parse(xml_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
cls = obj.find('name').text
if cls not in classes or int(difficult) == 1:
continue
cls_id = classes.index(cls)
xmlbox = obj.find('bndbox')
b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
float(xmlbox.find('ymax').text))
# b=(xmin, xmax, ymin, ymax)
print(w, h, b)
bb = convert((w, h), b)
out_txt_f.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
if __name__ == "__main__":
# 需要转换的类别,需要一一对应
classes1 = ['eat','peck','stand']
# 2、voc格式的xml标签文件路径
xml_files1 = r'C:\Users\LX\Desktop\VOC2007\Annotations'
# 3、转化为yolo格式的txt标签文件存储路径
save_txt_files1 = r'C:\Users\LX\Desktop\VOC2007\label'
convert_annotation(xml_files1, save_txt_files1, classes1)
具体的函数设计不用去理解,主要是如何去使用,这很关键,有部分需要去修改:
1.在主函数里注意一些东西,classes1的类别要对应数据集标定的内容,比如我这个标定就是eat,peck,stand三类,所以对应写三类。
2.文件路径,xml文件路径需要写对,同时新建一个label文件夹存放转化后的标签文件,我的建议是与Annotations放在VOC2007文件夹里,两个文件夹同级,这样方便查看运行后结果。