基于yolo3模型输入voc数据格式制作

1 首先文件夹目录如下排列，

Annotations里面装的是数据的标签文件（xml格式）

JEPGImages装的是对应的图片

ImageSets文件装的是Main,Main下面就是用来装train.txt,   test.txt,  trainval.txt , val.txt.

train.txt里面的内容是要训练的图片名字，所以test.txt也就是用来测试的图片名字

2 但是这还不是yolo3输入的数据格式，我们要在生成一个 图片与标签在一起的txt文件，这个txt文件像下图这种的

 

由于截屏宽度有限，故第一行完整的是这样的

E:\Jupyter Notebook\demo\defect_detection\yolo3-keras\yolo3-keras-master\yolo3-keras-master/VOCdevkit/VOCPCB/JPEGImages/l_light_11_short_06_1_600.jpg 396,520,422,553,3 516,516,543,550,3

如何生成，使用以下代码

import xml.etree.ElementTree as ET
from os import getcwd

sets=[('PCB', 'train'), ('PCB', 'val'), ('PCB', 'test')]

classes = ["missing_hole", "mouse_bite", "open_circuit", "short", "spur", "spurious_copper"]


def convert_annotation(year, image_id, list_file):
    in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id))
    tree=ET.parse(in_file)
    root = tree.getroot()

    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls1 = obj.find('name').text
        if cls1 not in classes or int(difficult)==1:
            continue
        cls_id = classes.index(cls1)
        xmlbox = obj.find('bndbox')
        b = (int(xmlbox.find('xmin').text), int(xmlbox.find('ymin').text), int(xmlbox.find('xmax').text), int(xmlbox.find('ymax').text))
        list_file.write(" " + ",".join([str(a) for a in b]) + ',' + str(cls_id))

wd = getcwd()

for year, image_set in sets:
    image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()
    list_file = open('%s_%s.txt'%(year, image_set), 'w')
    for image_id in image_ids:
        list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg'%(wd, year, image_id))
        convert_annotation(year, image_id, list_file)
        list_file.write('\n')
    list_file.close()