YOLOv5数据集转Faster-RCNN 数据集的制作过程（批量修改图片名称，大小）

1.YOLOv5数据集当前的格式

--data-

        ----images

               ---train

               ---val

               --test

        ----labels

               ---train

               ---val

               --test

关于这一块数据集的分类制作，准备好所有的image 和labels 标签后 分类可以查看下面这篇yolov5 数据集分类，xml转txt,_yolov5的xml转txt_知新_ROL的博客-CSDN博客

补充一点：关于图片批量改名字的快速方法：Bridge(Adobe 旗下的软件)

 1.进入到图片窗口

        ctrl +A 选中所有图片

        然后点击工具

 选中批量命名

然后就可以统一批量改图片名字了

这里给出一段代码是批量修改图片名称

import os
path = "D:\\1Aqilei\\data"
filelist = os.listdir(path) #该文件夹下所有的文件（包括文件夹）
count=0
for file in filelist:
    Olddir = os.path.join(path, file)  # 原来的文件路径
    if os.path.isdir(Olddir):  # 如果是文件夹则跳过
        continue
    filename = os.path.splitext(file)[0]  # 文件名
    filetype = os.path.splitext(file)[1]  # 文件扩展名
    print(filename)
    Newdir = os.path.join(path, str(count).zfill(5) + filetype)  # 用字符串函数zfill 以0补全所需位数
    os.rename(Olddir, Newdir)  # 重命名
    count += 1
# os.path.splitext(“文件路径”)    分离文件名与扩展名；默认返回(fname,fextension)元组，可做分片操作
 
print ('END')
count=str(count)
print("共有"+count+"张图片尺寸被修改")

2.批量改图片大小的代码

# coding=utf-8
import os  # 打开文件时需要
from PIL import Image
import re

Start_path = 'D:/my_code/FasterRCNN_TensorFlow/Faster_rcnn/data/data_test_faster_rcnn/JPEGImages/'  # 你的图片目录
width_max = 375  # 图片最大宽度
depth_max = 500  # 图片最大高度

list = os.listdir(Start_path)
# print list
count = 0
for pic in list:
    path = Start_path + pic
    print(path)
    im = Image.open(path)
    w, h = im.size
    print (w,h)

#如果图片分辨率超过这个值，进行图片的等比例压缩
    if w > width_max:
        print(pic)
        print("图片名称为" + pic + "图片被修改")
        h_new = width_max * h // w
        w_new = width_max
        count = count + 1
        out = im.resize((w_new, h_new), Image.ANTIALIAS)
        new_pic = re.sub(pic[:-4], pic[:-4] , pic)
        # print new_pic
        new_path = Start_path + new_pic
        out.save(new_path)

    if h > depth_max:
        print(pic)
        print("图片名称为" + pic + "图片被修改")
        w_new = depth_max * w // h
        h_new = depth_max
        count = count + 1
        out = im.resize((w_new, h_new), Image.ANTIALIAS)
        new_pic = re.sub(pic[:-4], pic[:-4] , pic)
        # print new_pic
        new_path = Start_path + new_pic
        out.save(new_path)

print('END')
count = str(count)
print("共有" + count + "张图片尺寸被修改")