[yolov5]LabelImg标注数据转yolov5训练格式

极简要点：

yolov5需要的数据格式为：

{类别class} {目标区域中心x点} {目标区域中心y点} {目标区域宽度w} {目标区域高度h}

例： 2 0.4169034090909091 0.73125 0.3366477272727273 0.5166666666666666

LabelImg标注出的数据为目标区域左上与右下的xy坐标，需要转一道才是yolov5需要的数据格式。

文件结构格式：

datasets
├── image
│   ├── train
│   └── val
└── label
     ├── train
     └── val

文件夹image内的train内装训练图片，文件夹label内的train内装对应的标注。

文件名一一对应，例如在image/train内放了一张名为0001.jpg的图片，那就需要在label/train内放一份0001.txt，一份txt对应一张图片。

配置yolov5：

1）在yolov5/data/添加{自定义名字}.yaml，文件内容产考同目录下的coco128.yaml。

单纯训练的话download、test、val不需要

2）修改yolov5/train.py文件：

parser.add_argument部分的--data参数，修改为上面添加的{自定义名字}.yaml

--weights、--epochs、--batch-size、--img看自己的需求也可以修改

LabelImg标注数据转yolov5代码：

改parser.add_argument中的xml_path与txt_path相关即可

如果不想改，想直接用，文件结构如下放置运行python3 export.py即可

.
├── data（内放xml)
├── labels（输出txt）
└── export.py（就下面的代码）

# -*- coding: utf-8 -*-
import xml.etree.ElementTree as ET
import os
from os import getcwd
import random
import argparse

classes = ["head", "helmet", "clothes"]

def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[2]) / 2.0 - 1
    y = (box[1] + box[3]) / 2.0 - 1
    w = box[2] - box[0]
    h = box[3] - box[1]
    x = x * dw
    y = y * dh
    w = w * dw
    h = h * dh
    return x, y, w, h

def convert_annotation(in_path,out_path):
    in_file = open('%s.xml'%(in_path),encoding='UTF-8')
    out_file = open('%s.txt'%(out_path),'w')
    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'):
        cls = obj.find('name').text
        if cls not in classes:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        xmin = float(xmlbox.find('xmin').text)
        ymin = float(xmlbox.find('ymin').text)
        xmax = float(xmlbox.find('xmax').text)
        ymax = float(xmlbox.find('ymax').text)
        if xmin<0:
            xmin=0
        if ymin<0:
            ymin=0
        if xmax>w:
            xmax=w
        if ymax>h:
            ymax=h
        out = convert((w,h),(xmin,ymin,xmax,ymax))
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in out]) + '\n')


parser = argparse.ArgumentParser()
parser.add_argument('--xml_path', default='data', type=str, help='input xml label path')
parser.add_argument('--txt_path', default='labels', type=str, help='output txt label path')

xml_path = parser.parse_args().xml_path
txt_path = parser.parse_args().txt_path
xml_name = os.listdir(xml_path)
if not os.path.exists(txt_path):
    os.makedirs(txt_path)

num=len(xml_name)
list_index = range(num)
for i in list_index:
    convert_annotation(xml_path+'/'+xml_name[i][:-4],txt_path+'/'+xml_name[i][:-4])

(当时写代码时有参考他人代码，想起来写博客时一时间找不到了，如有侵权，私聊加索引）