将Yolo格式数据集的txt标签转化为Pascal格式数据集的xml标签

目的

将Yolo格式数据集的txt标签转化为Pascal格式数据集的xml标签

Yolo格式数据集txt标签:

转化后的 Pascal格式数据集xml标签:

代码 

1、新建yolo_convert_voc.py文件,将以下代码复制进去保存。注意:需要根据自己需要修改dic里对应于yolo格式class标签的内容;

from xml.dom.minidom import Document
import os
import cv2


def makexml(txtPath, xmlPath, picPath):  # txt所在文件夹路径,xml文件保存路径,图片所在文件夹路径
    """此函数用于将yolo格式txt标注文件转换为voc格式xml标注文件

    在自己的标注图片文件夹下建三个子文件夹,分别命名为picture、txt、xml
    """
    dic = {#'0': "Bus",  # 创建字典用来对类型进行转换
           #'1': "Microbus",  # 此处的字典要与自己的classes.txt文件中的类对应,且顺序要一致
           #'2': "Minivan",
           #'3': "Sedan",
           #'4': "SUV",
           #'5': "Truck",
            '0': "tricycle",
            '1': "sedan",
            '2': "motorcycle",
            '3': "mixer truck",
            '4': "bicycle",
            '5': "SUV",
            '6': "minibus",
            '7': "slag truck",
            '8': "police car",
            '9': "bus",
            '10
  • 1
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
将VOC数据集换为YOLOtxt数据集需要进行以下步骤: 1. 下载VOC数据集并解压,得到Annotations和JPEGImages两个文件夹。 2. 在Annotations文件夹中,每个xml文件对应一张图片,包含了该图片中所有物体的位置信息。需要将这些位置信息换为YOLO格式。每个xml文件的内容如下: ``` <annotation> <folder>VOC2007</folder> <filename>000001.jpg</filename> <source> <database>The VOC2007 Database</database> <annotation>PASCAL VOC2007</annotation> <image>flickr</image> </source> <size> <width>353</width> <height>500</height> <depth>3</depth> </size> <object> <name>person</name> <pose>Left</pose> <truncated>1</truncated> <difficult>0</difficult> <bndbox> <xmin>174</xmin> <ymin>101</ymin> <xmax>349</xmax> <ymax>351</ymax> </bndbox> </object> ... </annotation> ``` 需要将每个物体的位置信息换为YOLO格式,即将左上角和右下角的像素坐标换为物体中心点相对于图片宽度和高度的比例,以及物体的宽度和高度相对于图片宽度和高度的比例。例如,上面的person物体换后为: ``` 0 0.4641148 0.904 0.3116592 0.5 ``` 其中,第一个0表示该物体的类别编号,后面四个数分别表示物体中心点相对于图片宽度和高度的比例、物体宽度相对于图片宽度的比例、物体高度相对于图片高度的比例。 3. 编写Python脚本将所有xml文件换为txt文件,并保存在同一目录下。脚本如下: ``` import os import xml.etree.ElementTree as ET classes = ["person", "car", "bike", ...] # 物体类别 def convert(size, box): dw = 1.0 / size[0] dh = 1.0 / size[1] x = (box[0] + box[1]) / 2.0 y = (box[2] + box[3]) / 2.0 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(image_id): in_file = open('Annotations/%s.xml' % (image_id)) out_file = open('labels/%s.txt' % (image_id), '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: 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 not os.path.exists('labels'): os.makedirs('labels') image_ids = open('ImageSets/Main/train.txt').read().strip().split() for image_id in image_ids: convert_annotation(image_id) ``` 该脚本将所有xml文件换为txt文件,并保存在labels文件夹下。 4. 编写train.txt文件,其中每行为一张图片的文件名(不包括扩展名),保存在同一目录下。例如: ``` 000001 000002 000003 ... ``` 5. 最后,可以使用YOLO训练模型,使用换后的txt数据集进行训练。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值