VOC数据集(xml)标注格式转换为YOLOv5、v7(txt)和COCO2017(json)格式

Sciws

已于 2022-08-29 17:21:24 修改

阅读量792

点赞数

分类专栏：笔记文章标签： xml pytorch 深度学习

于 2022-08-21 16:16:07 首次发布

本文链接：https://blog.csdn.net/sciws/article/details/126451798

版权

本文介绍了如何将VOC数据集的XML标注转换为YOLOv5/v7的TXT格式和COCO2017的JSON格式。数据集由三种水果组成，转换过程涉及maketxt.py和voc2txt.py等脚本，用于创建TXT文件和划分训练、验证和测试集。同时，还详细讲述了XML转COCO JSON的步骤，包括使用voc2coco.py生成标注文件。

摘要由CSDN通过智能技术生成

数据集介绍

本文所使用的数据集为三种水果数据集，下载链接为：https://download.csdn.net/download/weixin_43799388/84425688

数据集文档结构如下：

|——-Fruit
	|---Annotations
		|---001.xml
		|---002.xml
		... ...
		|---340.xml
	|---images
		|---001.jpg
		|---002.jpg
		... ...
		|---340.jpg

数据使用精灵标注助手进行标注，并导出xml格式
若数据集数量巨大，且命名不规范，要按规范批量修改文件名，建议使用菲菲更名宝贝软件进行批量更改文件名，使用方式如下：
从官网下载并安装最新版本软件
打开软件后，点击左上角添加一个文件或文件夹，将要修改的文件导入软件
之后按照下图所示逐步进行修改，最后点击左上角开始更名，完成批量规范重命名操作

在这里插入图片描述

xml2txt

标注格式介绍

xml格式的标注信息中，box坐标信息是以xyxy格式标注的，也就是GT框的左上角坐标(xmin, ymin)和右下角坐标(xmax, ymax)

YOLOv5中使用的数据标注文件为.txt，GT框坐标信息是以xywh格式标注的，也就是GT框的归一化中心点坐标(x, y)和归一化宽高(width, height)，二者的区别去下图所示：

在这里插入图片描述

转换步骤

1、maketxt.py

将原数据集划分为train、val和test三部分，其中train+val(组合成trainval部分)占总数据集90%，test部分占10%，train部分有占trainval部分的90%，因此，train: val: test = 8: 1: 1
程序执行结果如下：

|——-Fruit
	|---Annotations
		|---001.xml
		|---002.xml
		... ...
		|---340.xml
	|---images
		|---001.jpg
		|---002.jpg
		... ...
		|---340.jpg
    |---ImageSets
		|---test.txt  # 存放测试集图片名称
		|---train.txt  # 存放训练集图片名称
		|---trainval.txt  # 存放训练验证集图片名称
		|---val.txt  # 存放验证集图片名称

pytorch源码如下：

import os
import random

'''
对图片数据集进行随机分类
以8: 1: 1的比例分为训练数据集，验证数据集和测试数据集
运行后在ImageSets文件夹中会出现四个文件
'''
ROOT = '../datasets/Fruit/'
trainval_percent = 0.9
train_percent = 0.9
xmlfilepath = ROOT + 'Annotations'
txtsavepath = ROOT + 'ImageSets'
# 获取该路径下所有文件的名称，存放在list中
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval = open(ROOT + 'ImageSets/trainval.txt', 'w')
ftest = open(ROOT + 'ImageSets/test.txt', 'w')
ftrain = open(ROOT + 'ImageSets/train.txt', 'w')
fval = open(ROOT + 'ImageSets/val.txt', 'w')

for i in list:
    # 获取文件名称中.xml之前的序号
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

2、voc2txt.py

将xml文件转化为txt文件，xml文件包含了对应的GT框以及图片长宽大小等信息，通过对其解析，并进行归一化最终读到txt文件中
同时生成train、val和test数据集中图片的绝对路径，用于索引到图片位置
程序执行结果如下：

|——-Fruit
	|---Annotations
		|---001.xml
		|---002.xml
		... ...
		|---340.xml
	|---images
		|---001.jpg
		|---002.jpg
		... ...
		|---340.jpg
    |---ImageSets
		|-