1. VOC0712转YOLO-只要行人

简介

大部分都是参考YOLO从零开始：基于YOLOv3的行人检测入门指南，不过他这个还得分几步，各种配置也比较麻烦，因此进行了优化，直接一步到位。

具体操作

原来的VOC2007和VOC2012的路径是这样的：

1. 建立一个data文件夹，这样直接按照相对路径去写图片和标注文件位置，方便自己使用
2. 运行下面代码

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir
from os.path import join
import shutil

# 数据集之间的标注转换
def convert(size, box):
    dw = 1./(size[0])
    dh = 1./(size[1])
    x = (box[0] + box[1])/2.0 - 1
    y = (box[2] + box[3])/2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x*dw
    w = w*dw
    y = y*dh
    h = h*dh
    return (x,y,w,h)

def convert_annotation(year, image_id, root, labels_dir):
    in_file = open(os.path.join(root, 'VOC%s/Annotations/%s.xml'%(year, image_id)))
    out_file = open(os.path.join(labels_dir, image_id + '.txt'), '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'):
        # difficult = obj.find('difficult').text
        cls = obj.find('name').text
        # if cls not in classes or int(difficult)==1:
        # 保留困难的数据集
        if cls not in classes:
            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))
        bb = convert((w,h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

if __name__ == '__main__':
    sets = [('2007', 'trainval'), ('2007', 'test'), ('2012', 'trainval')]
    classes = ['person']
    src_dir = '/home/common/wangsong/VOC/VOCdevkit' # 存放VOC2007 VOC2012的路径
    dst_dir = '/home/wangsong/data' # 转换的YOLO数据集的路径
    images_dir = os.path.join(dst_dir, 'images') # data/images
    labels_dir = os.path.join(dst_dir, 'labels') # data/labels

    # 创建YOLO这俩文件夹images_dir labels_dir
    if not os.path.exists(images_dir):
        os.makedirs(images_dir)
    if not os.path.exists(labels_dir):
        os.makedirs(labels_dir)

    for year, image_set in sets:
        # 读取VOC的Main里面的txt，得到trainval.txt/test.txt里面的图片ID
        image_ids = open(os.path.join(src_dir, 'VOC%s/ImageSets/Main/%s.txt' % (year, image_set))).read().strip().split()
        # YOLO需要的训练集验证集图片所在路径
        # 这里先分别写，后面再根据需要汇总即可
        list_file = open(os.path.join(dst_dir, '%s_%s.txt' % (year, image_set)), 'w')
        for image_id in image_ids:
            # 判断有木有行人目标的标志
            objCount = 0
            # 打开VOC的XML标注文件
            in_file = open(os.path.join(src_dir, 'VOC%s/Annotations/%s.xml' % (year, image_id)))
            # YOLO所需要的标注文件
            out_file = open(os.path.join(labels_dir, image_id + '.txt'), 'w')

            # 解析VOC标注文件XML
            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'):
                # difficult = obj.find('difficult').text
                cls = obj.find('name').text
                # if cls not in classes or int(difficult)==1:
                # 保留困难的数据集
                if cls not in classes:
                    continue
                # 说明有行人目标了
                objCount += 1
                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))
                bb = convert((w, h), b)
                out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

            # 如果这个图片含有行人目标
            if objCount > 0:
                # 将这图片路径加入YOLO的训练验证txt
                # list_file.write('data/images/%s.jpg\n' % image_id) # 相对路径
                list_file.write( os.path.join(dst_dir, 'images/%s.jpg\n' % image_id) )   # 绝对路径
                src_img = os.path.join(src_dir, 'VOC%s/JPEGImages/%s.jpg'%(year, image_id))
                dst_img = os.path.join(images_dir, '%s.jpg' % image_id)
                # 将这图片复制到YOLO文件夹的images_dir
                shutil.copy(src_img, dst_img)
            else:
                # 如果这图片没有行人，那么就直接删除了这个标注文件
                # 不需要复制图片和标注文件了，也不要写进训练验证txt
                del out_file
                os.remove(os.path.join(labels_dir, image_id + '.txt'))

        list_file.close()

# os.system("cat 2007_train.txt 2007_val.txt 2012_train.txt 2012_val.txt > train.txt")
# os.system("cat 2007_train.txt 2007_val.txt 2007_test.txt 2012_train.txt 2012_val.txt > train.all.txt")