PASCAL VOC2012 .xml转.txt

访风景于崇阿

已于 2023-02-04 15:50:23 修改

阅读量198

点赞数

分类专栏：学习笔记深度学习文章标签： xml 深度学习 python

于 2023-02-03 19:06:34 首次发布

本文链接：https://blog.csdn.net/starlight1231/article/details/128874749

版权

这篇博客介绍了如何将PASCAL VOC2012数据集的.xml标注文件转换为适用于YOLO训练的.txt格式。内容包括数据集的目录结构和转换代码，帮助深度学习开发者进行目标检测模型的训练。

摘要由CSDN通过智能技术生成

VOC数据集标注文件是 .xml格式， COCO数据集标注文件是 .json格式，yolo训练是 .txt格式。

.xml 转 .txt代码：

"""
数据集处理  xml转txt     (trans_voc2yolo.py)
1.将voc数据集标注信息(.xml)转为yolo标注格式(.txt)，并将图像文件复制到相应文件夹
2.根据json标签文件，生成对应names标签(my_data_label.names)
"""
import os
from tqdm import tqdm
from lxml import etree
import json
import shutil

# voc数据集根目录以及版本
voc_root = "/kaggle/input/pascal-voc-2012"
voc_version = "VOC2012"

# 转换的训练集以及验证集对应txt文件
train_txt = "train.txt"        # 记录着用于训练的图片名
val_txt = "val.txt"

# 转换后的文件保存目录
save_file_root = "./my_yolo_dataset"
# label标签对应json文件
label_json_path = "/kaggle/input/voc-classes/pascal_voc_classes.json"

# 拼接出voc的images目录，xml目录，txt目录
voc_images_path = os.path.join(voc_root, voc_version, "JPEGImages")
voc_xml_path = os.path.join(voc_root, voc_version, "Annotations")   # 所有的图像标注信息
train_txt_path = os.path.join(voc_root, voc_version, "ImageSets", "Main", train_txt)
val_txt_path = os.path.join(voc_root, voc_version, "ImageSets", "Main", val_txt)

# 检查文件是否都存在
assert os.path.exists(voc_images_path),"voc_images_path not exist..."
assert os.path.exists(voc_xml_path), "voc_xml_path not exist..."
assert os.path.exists(train_txt_path), "train_txt_path not exist..."
assert os.path.exists(val_txt_path), "val_txt_path not exist..."
assert os.path.exists(labe