YOLOv8处理数据集：xml文件转txt文件，有些值大于1，如何处理？

已于 2024-03-21 16:01:46 修改
阅读量207 收藏
点赞数 3
分类专栏： YOLOv8改进系列 文章标签： YOLO xml
于 2024-03-21 13:10:02 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41171614/article/details/136905386
版权

YOLOv8处理数据集：xml文件转txt文件，有些值大于1，如何处理？

在这里插入图片描述

上图是xml标注文件，可以看到x轴坐标超出810这个边界了。YOLOv8要求归一化后的结果范围是[0,1]，这种情况将会直接影响归一化的结果，使结果大于1。

采用的处理方式比较简单，就是判断：如果xmax>width或ymax>height，那么将xmax=width，ymax=height。这样处理以后就不会出现归一化越界问题了。

整理不易，关注和收藏后拿走！
欢迎专注我的公众号：AdaCoding 和 Github：AdaCoding123
在这里插入图片描述

AdaCoding
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【目标检测】------yolo:xml和txt文件相互转化
m0_47405013的博客
08-03 388
主要对yolo里面的xml文件转化为txt文件
智能识别数据集xml文件转txt格式
04-14
数据集打标格式转换
VOC数据集xml to yolov4需要的txt文件
02-22
这俩个脚本文件实现了提取VOC数据集格式的特定类，并且转化为yolov4需要的txt
YOLOv8训练自己的OBB数据集
最新发布
weixin_42569775的博客
03-25 355
3.将相应的XML文件转化为dota格式的标签文件，转换代码可参考我的上一篇博客。4.将dota格式的标签文件转化为YOLOv8训练所需的YOLO格式。1.采用rolabelImg标注产生相应的XML标签文件。6.修改dota8-obb.yaml文件路径及类别。下面是我安装的相应依赖，torch可在官网命令安装。5.修改yolov8-obb.yaml的类别。2.下载代码及安装相应的依赖环境。
txt数据集格式转化为xml数据集格式，yolov5数据集转化为coco数据集
05-06
txt数据集格式转化为xml数据集格式，txt数据集格式一般是yolov5的专用格式，这个脚本是将txt数据集格式转化为xml数据集的格式，使用的时候可以自行调整脚本里xml的每项，将它变成coco数据集格式或者其他数据集格式。
深度学习数据集txt文件转xml
06-26
在YOLOv5中，常用的数据集格式是TXT文件，其中包含了目标检测的标注信息。如果需要将TXT文件转换为XML文件格式，可以按照以下步骤进行操作： 读取TXT文件：首先，需要读取包含目标检测标注信息的TXT文件。每行通常表示一个目标，每个目标由一系列数据组成，如边界框的坐标和类别标签等。 解析TXT文件：对于每个目标，解析TXT文件并提取所需的信息，如边界框的位置和类别标签。 创建XML文件：根据解析到的目标信息，创建相应的XML文件。XML文件的结构应符合标准的PASCAL VOC格式或其他目标检测任务所需的格式。 写入XML文件：将解析到的目标信息写入XML文件中。在XML文件中，每个目标通常表示为一个独立的XML元素，包含有关目标的各种属性，如边界框的坐标、类别标签等。 重复以上步骤：对于TXT文件中的每个目标，重复步骤2至步骤4，直到将所有目标信息写入XML文件中。 通过以上步骤，可以将YOLOv5中的数据集TXT文件转换为XML文件格式。这样做的目的可能是为了适应其他目标检测框架或工具，或者方便与其他系统进行数据交互。
yolov8的predict使用方法，更改predict.py的输出结果，输出label的真实坐标，保存图片和txt文档，图片中没有异物生成空的txt文档
热门推荐
m0_57847261的博客
11-09 1万+
更改predict.py的输出结果，输出label的真实坐标，保存图片和txt文档，图片中没有异物生成空的txt文档
Yolov8数据集 xml 文件转 txt 文件
Guo9898的博客
11-14 1023
xml转txt
YOLOv8训练自己的数据集(记录)
m0_70694811的博客
03-21 1031
用来存放原始数据集所有的.jpg图片用来存放原始数据集打过标签的所有xml文件用来存放原始数据集，由xml格式转换为txt格式的所有文件是我们目标制作的数据集，用于后期跑实验bag文件夹下有images和labels文件夹，每个文件夹下都有一个train和val文件夹用来存放目标数据集的所有图片，分为train训练和val验证两部分用来存放目标数据集的所有对应的txt文件，分为train训练和val验证两部分。
yolov8-03训练自己的数据集并保存推理结果
weixin_39107270的博客
06-28 4149
目标：将推理结果保存为xyxy形式，并以 pkl 格式保存主要采取了两种方式，一种是阅读源码，通过CIL的方式保存结果。一种是在IDE内，通过python代码的形式。
YOLOv8训练自己的数据集
lalala12ll的博客
01-15 1952
yolov8训练自定义数据集，包括数据集标注、分割、训练以及最终的测试。
将xml和图片调整为yolov5数据集的文件
11-02
将labelimg标注好的xml和原图片划分为yolov5格式的数据集。首先创建一个文件夹paper_data下面三个子文件夹1.images 2.Annotations 3. ImageSets/Main三个文件夹，这两个程序放在paper_data里面和其他三个子文件夹...
yolov5运行时显示AssertionError:Label class 1 exceeds nc = 1 in data/middle.yaml.
weixin_45459097的博客
09-01 4525
使用labelimg标图时，第一次输错了类别名称并且标框过一次再删除，此时正确的标签索引值变成了1，应该需要关闭labelimg打开之后重新输入正确的类别名。打开labelimg，一张一张图片翻阅，查看是否有错标的标签，翻看到五百多张图的时候出现了以下报错，且labelimg自动关闭。将txt中错误文件的类别值全改成0，没有找到用代码解决的办法，只能打开txt文件一个个修改。于是打开图片相对应的txt文件，发现问题所在之处。txt文件中标签出现了1，超出类别索引值。...
YOLOv8制作自己的目标检测数据集保姆级教程（包含json转xml转txt）
m0_57010556的博客
01-09 7348
本文的实验是进行目标检测，数据集以及相关代码我放在了一起，方便今后相似数据集的制作。
【模式识别4】YOLO目标检测数据集xml格式转txt格式
weixin_43387635的博客
04-22 2396
LabelImg标注完会生成“classes.txt”，如下为真实类别名称，从上到下类别代号分别为0、1、2、…因此，需要建立字典映射，将classes.txt的真实类别名称（如下左列）分别映射到代号0、1、2…每行表示（类别，中心x相对坐标，中心y相对坐标，相对宽度、相对高度）修改为自己的xml文件夹路径以及保存的txt文件夹路径即可。
yolov5/v8转txt及划分数据集验证集代码
S_unn_y_的博客
08-18 224
【代码】yolov5/v8转txt及划分数据集验证集代码。
yolo数据集转换（xml转txt）
qq_16602159的博客
02-07 1089
在准备yolo数据集时，标注格式和训练格式不一，导致训练失败是很容易出错的地方。这时候我们就需要把标注文件转成yolo格式
YOLO系列：如何将XML格式的标签文件转为TXT格式（YOLO格式）
Yayisheng的博客
02-29 1514
在目标检测领域，好多人习惯在刚开始打标的时候先导出为voc格式，voc格式的标签文件方便后期检查标签，但是YOLO系列并不能直接使用该格式的标签文件，故我们需要转换成YOLO格式的标签文件，也就是txt格式。
目标检测，将xml格式的标签数据集转换为yolov8(txt)格式
fisheryjn的博客
10-17 770
【代码】目标检测，将xml格式的标签数据集转换为yolov8(txt)格式。
给我写一个yolov5中数据集格式xml转txt的代码，并注释好
06-05
好的，以下是代码，注释已经写好了： ```python import os import xml.etree.ElementTree as ET def convert_annotations(xml_dir, txt_dir): """ 将目标检测数据集的XML格式标注文件转换为YOLOv5读取的TXT格式标注文件 :param xml_dir: 存放XML标注文件的目录 :param txt_dir: 存放TXT标注文件的目录 :return: None """ if not os.path.exists(txt_dir): os.makedirs(txt_dir) for xml_file in os.listdir(xml_dir): # 解析XML文件 tree = ET.parse(os.path.join(xml_dir, xml_file)) root = tree.getroot() # 获取图片宽度和高度 size = root.find('size') width = float(size.find('width').text) height = float(size.find('height').text) # 遍历每个object标签，获取类别和坐标信息，并将其转换为YOLOv5的格式 for obj in root.iter('object'): cls_name = obj.find('name').text cls_id = 0 # 此处的类别id为0，如果有多类别需要修改 bndbox = obj.find('bndbox') xmin = float(bndbox.find('xmin').text) ymin = float(bndbox.find('ymin').text) xmax = float(bndbox.find('xmax').text) ymax = float(bndbox.find('ymax').text) # 计算中心点坐标和宽高 x_center = (xmin + xmax) / (2 * width) y_center = (ymin + ymax) / (2 * height) box_width = (xmax - xmin) / width box_height = (ymax - ymin) / height # 将转换后的标注信息写入TXT文件 txt_file = os.path.splitext(xml_file)[0] + '.txt' with open(os.path.join(txt_dir, txt_file), 'a') as f: f.write(f"{cls_id} {x_center} {y_center} {box_width} {box_height}\n") ``` 说明： 1. `xml_dir`：存放XML格式标注文件的目录； 2. `txt_dir`：存放TXT格式标注文件的目录； 3. `if not os.path.exists(txt_dir): os.makedirs(txt_dir)`：如果TXT目录不存在，则创建； 4. `for xml_file in os.listdir(xml_dir)): `：遍历XML格式标注文件目录下的所有文件； 5. `tree = ET.parse(os.path.join(xml_dir, xml_file))`：解析XML格式标注文件； 6. `root = tree.getroot()`：获取XML文件的根节点； 7. `size = root.find('size')`：获取图片的宽度和高度； 8. `width = float(size.find('width').text)`：获取图片的宽度； 9. `height = float(size.find('height').text)`：获取图片的高度； 10. `for obj in root.iter('object'):`：遍历XML文件中的所有`object`标签； 11. `cls_name = obj.find('name').text`：获取类别名称； 12. `cls_id = 0`：此处的类别id为0，如果有多类别需要修改； 13. `bndbox = obj.find('bndbox')`：获取目标框的坐标信息； 14. `xmin = float(bndbox.find('xmin').text)`：获取目标框左上角点的横坐标； 15. `ymin = float(bndbox.find('ymin').text)`：获取目标框左上角点的纵坐标； 16. `xmax = float(bndbox.find('xmax').text)`：获取目标框右下角点的横坐标； 17. `ymax = float(bndbox.find('ymax').text)`：获取目标框右下角点的纵坐标； 18. `x_center = (xmin + xmax) / (2 * width)`：计算目标框中心点的横坐标； 19. `y_center = (ymin + ymax) / (2 * height)`：计算目标框中心点的纵坐标； 20. `box_width = (xmax - xmin) / width`：计算目标框的宽度； 21. `box_height = (ymax - ymin) / height`：计算目标框的高度； 22. `txt_file = os.path.splitext(xml_file)[0] + '.txt'`：生成TXT文件的文件名； 23. `with open(os.path.join(txt_dir, txt_file), 'a') as f:`：打开TXT文件，追加写入标注信息； 24. `f.write(f"{cls_id} {x_center} {y_center} {box_width} {box_height}\n")`：将标注信息写入TXT文件，格式为`类别id 中心点横坐标 中心点纵坐标 目标框宽度 目标框高度`。

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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