ExDark数据集转化为YOLO格式（手把手、无脑）

共分三步走

第一步：下载ExDark数据集

先从这里下载ExDark原始数据集，下好解压了是这个样子：
数据集地址：
方式一：我的百度云链接：https://pan.baidu.com/s/1hYT2qe5TaI_x59XQf0IuUg
提取码：8888
方式二：官网：https://aistudio.baidu.com/datasetdetail/129450
解压好的样子：

第二步：准备

原本的（标注）格式：

转换后的（标注）格式：

转换条件：
在同一目录下，
①新建一个文件夹“output”——存放转换后的数据集
②新建一个py代码“recipy”——转换的程序
目前文件夹内是长这样的：

将以下代码放进recipy：
注：先完整的复制过去，我在下面说改哪里，怎么改

# ExDark数据集转化为YOLO格式
import os
from PIL import Image
import argparse
import shutil

labels = ['Bicycle', 'Boat', 'Bottle', 'Bus', 'Car', 'Cat', 'Chair', 'Cup', 'Dog', 'Motorbike', 'People', 'Table']


def ExDark2Yolo(txts_dir: str, imgs_dir: str, ratio: str, version: int, output_dir: str):
    ratios = ratio.split(':')
    ratio_train, ratio_test, ratio_val = int(ratios[0]), int(ratios[1]), int(ratios[2])
    ratio_sum = ratio_train + ratio_test + ratio_val
    dataset_perc = {'train': ratio_train / ratio_sum, 'test': ratio_test / ratio_sum, 'val': ratio_val / ratio_sum}

    for t in dataset_perc:
        os.makedirs('/'.join([output_dir, 'images', t]))
        os.makedirs('/'.join([output_dir, 'labels', t]))

    for label in labels:
        print('Processing {}...'.format(label))
        filenames = os.listdir('/'.join([txts_dir, label]))
        cur_idx = 0
        files_num = len(filenames)

        for filename in filenames:
            cur_idx += 1
            filename_no_ext = '.'.join(filename.split('.')[:-2])
            if cur_idx < dataset_perc.get('train') * files_num:
                set_type = 'train'
            elif cur_idx < (dataset_perc.get('train') + dataset_perc.get('test')) * files_num:
                set_type = 'test'
            else:
                set_type = 'val'
            output_label_path = '/'.join([output_dir, 'labels', set_type, filename_no_ext + '.txt'])
            yolo_output_file = open(output_label_path, 'a')

            name_split = filename.split('.')
            img_path = '/'.join([imgs_dir, label, '.'.join(filename.split('.')[:-1])])
            try:
                img = Image.open(img_path)
            except FileNotFoundError:
                img_path = '/'.join([imgs_dir, label, ''.join(name_split[:-2]) + '.' + name_split[-2].upper()])
                img = Image.open(img_path)

            output_img_path = '/'.join([output_dir, 'images', set_type])
            shutil.copy(img_path, output_img_path)

            width, height = img.size
            txt = open('/'.join([txts_dir, label, filename]), 'r')
            txt.readline()  # ignore first line
            line = txt.readline()

            while line != '':
                datas = line.strip().split()
                class_idx = labels.index(datas[0])
                x0, y0, w0, h0 = int(datas[1]), int(datas[2]), int(datas[3]), int(datas[4])
                if version == 5:
                    x = (x0 + w0/2) / width
                    y = (y0 + h0/2) / height
                elif version == 3:
                    x = x0 / width
                    y = y0 / height
                else:
                    print("Version of YOLO error.")
                    return
                w = w0 / width
                h = h0 / height

                yolo_output_file.write(' '.join([str(class_idx),
                                                 format(x, '.6f'),
                                                 format(y, '.6f'),
                                                 format(w, '.6f'),
                                                 format(h, '.6f'),
                                                 ]) + '\n')
                line = txt.readline()

            yolo_output_file.close()

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('anndir', type=str, default='C:/MEC/Desktop/ExDark Dataset/ExDark Dataset/Annotations', help="ExDark annotations directory.")         #ExDark的标注目录
    parser.add_argument('imgdir', type=str, default='C:/Users/MEC/Desktop/ExDark Dataset/ExDark Dataset/images', help="ExDark images directory.")                   #ExDark的图像目录
    parser.add_argument('--ratio', type=str, default='8:1:1', help="Ratio between train/test/val, default 8:1:1.")     #train/test/val之间的比例，默认为8:1:1
    parser.add_argument('--version', type=int, choices=[3, 5], default=3, help="Version of YOLO(3 or 5), default 3.")#YOLO版本（3或5）
    parser.add_argument('--output-dir', type=str, default="output", help="Images and converted YOLO annotations output directory.")#图像和转换后的yolo标注的输出目录
    args = parser.parse_args()
    ExDark2Yolo(args.anndir, args.imgdir, args.ratio, args.version, args.output_dir)

修改：
1：第82行，default=’ ’ , 两个’ 直接，放你的Annotations的路径，这里我建议放绝对路径
2：第83行，default=’ ’ , 两个’ 直接，放你的images的路径，这里我建议放绝对路径
3：第84行，default=‘8:1:1’，我这里是把train/test/val之间的比例，设置为8:1:1，可以根据自己喜好设置
4：第85行，是选择yolov3还是yolov5的，在default= * ，自己设置
5：输出文件夹，就是转换后的数据集放哪里，按照我们上面说的，这里都默认是在“output”文件夹里

**注：**我所给的代码中，12是必改，345看个人喜好

第三步：转换

上面的都设置好之后，还有最重要的一件事：
将pytharm的终端的位置拉到这个文件夹目录下：比如，我的是在
C:\Users\MEC\Desktop\ExDark Dataset\ExDark Dataset>
这个目录下，如图：

最后的最后，在这个环境终端下，运行：
(这行代码最后分配的比例是8：1：1，且是yolov3，且输出文件夹是output

python recipy.py Annotations images --ratio 8:1:1 --version 3 --output-dir output

运行状态：

完成了：

最终在文件夹中查看结果：

输出文件构成为：

结束了，谢谢大家
有任何问题请指正