VOC2012数据集格式转化为YOLO格式

本文介绍了如何将VOC2012数据集中的XML标注转换为YOLO所需的txt格式,包括图片文件的复制和类别标签文件的生成,以便用于深度学习模型训练。
摘要由CSDN通过智能技术生成

 下面是 VOC2012数据集的目录格式

├── VOCdevkit 
│         ├── VOC2012   数据集根目录
│               ├── Annotations  标注数据的xml格式数据的目录
│               ├── lImageSets  
│               ├   └── Main     训练集、验证集、测试集的标签 
                └── JPEGImages   图片的目录

 修改路径

首先要修改好数据集的目录:将voc_root = "/data/VOCdevkit"修改为自己voc数据集VOCdevkit的目录下。

# voc数据集根目录以及版本
voc_root = "/data/VOCdevkit"
voc_version = "VOC2012"

 找一个存放保存文件的目录。

# 转换后的文件保存目录
save_file_root = "./my_yolo_dataset"

自己存放的类别文件

# label标签对应json文件
label_json_path = './data/pascal_voc_classes.json'

 json文件下入类别对应好标签。

{
    "aeroplane": 1,
    "bicycle": 2,
    "bird": 3,
    "boat": 4,
    "bottle": 5,
    "bus": 6,
    "car": 7,
    "cat": 8,
    "chair": 9,
    "cow": 10,
    "diningtable": 11,
    "dog": 12,
    "horse": 13,
    "motorbike": 14,
    "person": 15,
    "pottedplant": 16,
    "sheep": 17,
    "sofa": 18,
    "train": 19,
    "tvmonitor": 20
}

 生成的路径

 最后会生产一个my_yolo_dataset文件夹


├── my_yolo_dataset   数据集根目录
    ├── train         训练集数据的目录
        ├── images    jpg格式的图片
        └── labels     TXT文件,存放标签和坐标 例如 19 0.482 0.405333 0.828 0.752
    ├── val          验证集数据的目录
        ├── images    jpg格式的图片
        └── labels     TXT文件,存放标签和坐标 例如 19 0.482 0.405333 0.828 0.752

还会生成一个.name文件,存放着类别

aeroplane
bicycle
bird
boat
bottle
bus
car
cat
chair
cow
diningtable
dog
horse
motorbike
person
pottedplant
sheep
sofa
train
tvmonitor

 

 全部代码:

"""
本脚本有两个功能:
1.将voc数据集标注信息(.xml)转为yolo标注格式(.txt),并将图像文件复制到相应文件夹
2.根据json标签文件,生成对应names标签(my_data_label.names)
"""
import os
from tqdm import tqdm
from lxml import etree
import json
import shutil


# voc数据集根目录以及版本
voc_root = "/data/VOCdevkit"
voc_version = "VOC2012"

# 转换的训练集以及验证集对应txt文件
train_txt = "train.txt"
val_txt = "val.txt"

# 转换后的文件保存目录
save_file_root = "./my_yolo_dataset"

# label标签对应json文件
label_json_path = './data/pascal_voc_classes.json'

# 拼接出voc的images目录,xml目录,txt目录
voc_images_path = os.path.join(voc_root, voc_version, "JPEGImages")
voc_xml_path = os.path.join(voc_root, voc_version, "Annotations")
train_txt_path = os.path.join(voc_root, voc_version, "ImageSets", "Main", train_txt)
val_txt_path = os.path.join(voc_root, voc_version, "ImageSets", "Main", val_txt)

# 检查文件/文件夹都是否存在
assert os.path.exists(voc_images_path), "VOC images path not exist..."
assert os.path.exists(voc_xml_path), "VOC xml path not exist..."
assert os.path.exists(train_txt_path), "VOC train txt file not exist..."
assert os.path.exists(val_txt_path), "VOC val txt file not exist..."
assert os.path.exists(label_json_path), "label_json_path does not exist..."
if os.path.exists(save_file_root) is False:
    os.makedirs(save_file_root)


def parse_xml_to_dict(xml):
    """
    将xml文件解析成字典形式,参考tensorflow的recursive_parse_xml_to_dict
    Args:
        xml: xml tree obtained by parsing XML file contents using lxml.etree

    Returns:
        Python dictionary holding XML contents.
    """

    if len(xml) == 0:  # 遍历到底层,直接返回tag对应的信息
        return {xml.tag: xml.text}

    result = {}
    for child in xml:
        child_result = parse_xml_to_dict(child)  # 递归遍历标签信息
        if child.tag != 'object':
            result[child.tag] = child_result[child.tag]
        else:
            if child.tag not in result:  # 因为object可能有多个,所以需要放入列表里
                result[child.tag] = []
            result[child.tag].append(child_result[child.tag])
    return {xml.tag: result}


def translate_info(file_names: list, save_root: str, class_dict: dict, train_val='train'):
    """
    将对应xml文件信息转为yolo中使用的txt文件信息
    :param file_names:
    :param save_root:
    :param class_dict:
    :param train_val:
    :return:
    """
    save_txt_path = os.path.join(save_root, train_val, "labels")
    if os.path.exists(save_txt_path) is False:
        os.makedirs(save_txt_path)
    save_images_path = os.path.join(save_root, train_val, "images")
    if os.path.exists(save_images_path) is False:
        os.makedirs(save_images_path)

    for file in tqdm(file_names, desc="translate {} file...".format(train_val)):
        # 检查下图像文件是否存在
        img_path = os.path.join(voc_images_path, file + ".jpg")
        assert os.path.exists(img_path), "file:{} not exist...".format(img_path)

        # 检查xml文件是否存在
        xml_path = os.path.join(voc_xml_path, file + ".xml")
        assert os.path.exists(xml_path), "file:{} not exist...".format(xml_path)

        # read xml
        with open(xml_path) as fid:
            xml_str = fid.read()
        xml = etree.fromstring(xml_str)
        data = parse_xml_to_dict(xml)["annotation"]
        img_height = int(data["size"]["height"])
        img_width = int(data["size"]["width"])

        # write object info into txt
        assert "object" in data.keys(), "file: '{}' lack of object key.".format(xml_path)
        if len(data["object"]) == 0:
            # 如果xml文件中没有目标就直接忽略该样本
            print("Warning: in '{}' xml, there are no objects.".format(xml_path))
            continue

        with open(os.path.join(save_txt_path, file + ".txt"), "w") as f:
            for index, obj in enumerate(data["object"]):
                # 获取每个object的box信息
                xmin = float(obj["bndbox"]["xmin"])
                xmax = float(obj["bndbox"]["xmax"])
                ymin = float(obj["bndbox"]["ymin"])
                ymax = float(obj["bndbox"]["ymax"])
                class_name = obj["name"]
                class_index = class_dict[class_name] - 1  # 目标id从0开始

                # 进一步检查数据,有的标注信息中可能有w或h为0的情况,这样的数据会导致计算回归loss为nan
                if xmax <= xmin or ymax <= ymin:
                    print("Warning: in '{}' xml, there are some bbox w/h <=0".format(xml_path))
                    continue

                # 将box信息转换到yolo格式
                xcenter = xmin + (xmax - xmin) / 2
                ycenter = ymin + (ymax - ymin) / 2
                w = xmax - xmin
                h = ymax - ymin

                # 绝对坐标转相对坐标,保存6位小数
                xcenter = round(xcenter / img_width, 6)
                ycenter = round(ycenter / img_height, 6)
                w = round(w / img_width, 6)
                h = round(h / img_height, 6)

                info = [str(i) for i in [class_index, xcenter, ycenter, w, h]]

                if index == 0:
                    f.write(" ".join(info))
                else:
                    f.write("\n" + " ".join(info))

        # copy image into save_images_path
        path_copy_to = os.path.join(save_images_path, img_path.split(os.sep)[-1])
        if os.path.exists(path_copy_to) is False:
            shutil.copyfile(img_path, path_copy_to)


def create_class_names(class_dict: dict):
    keys = class_dict.keys()
    with open("./data/my_data_label.names", "w") as w:
        for index, k in enumerate(keys):
            if index + 1 == len(keys):
                w.write(k)
            else:
                w.write(k + "\n")


def main():
    # read class_indict
    json_file = open(label_json_path, 'r')
    class_dict = json.load(json_file)

    # 读取train.txt中的所有行信息,删除空行
    with open(train_txt_path, "r") as r:
        train_file_names = [i for i in r.read().splitlines() if len(i.strip()) > 0]
    # voc信息转yolo,并将图像文件复制到相应文件夹
    translate_info(train_file_names, save_file_root, class_dict, "train")

    # 读取val.txt中的所有行信息,删除空行
    with open(val_txt_path, "r") as r:
        val_file_names = [i for i in r.read().splitlines() if len(i.strip()) > 0]
    # voc信息转yolo,并将图像文件复制到相应文件夹
    translate_info(val_file_names, save_file_root, class_dict, "val")

    # 创建my_data_label.names文件
    create_class_names(class_dict)


if __name__ == "__main__":
    main()

Pascal VOC 2012数据集是一个常用的计算机视觉数据集,其中包含了20个不同类别的物体。YOLO是一种目标检测算法,它使用不同的标签格式。下面是将Pascal VOC 2012数据集转换为YOLO格式的步骤: 1. 首先,需要将Pascal VOC 2012数据集中的每个图像的标注信息转换为YOLO格式的标签。YOLO标签的格式为:`class_id x_center y_center width height`,其中`class_id`是物体类别的编号,`x_center`和`y_center`是物体边界框中心点的相对坐标(范围为0到1),`width`和`height`是物体边界框的相对宽度和高度(也是相对于图像的宽度和高度)。 2. 对于每个图像,需要根据其标注信息生成一个对应的YOLO格式的标签文件。标签文件的命名应与图像文件的命名相对应,并使用`.txt`作为文件扩展名。 3. 在标签文件中,每一行表示一个物体的标注信息。每行的格式应为`class_id x_center y_center width height`,并使用空格分隔。 4. `class_id`是物体类别的编号,从0开始计数,对应于数据集中的不同类别。 5. `x_center`和`y_center`是物体边界框中心点的相对坐标,计算方法为:`x_center = (bbox_x + bbox_width/2) / image_width`,`y_center = (bbox_y + bbox_height/2) / image_height`,其中`bbox_x`和`bbox_y`是物体边界框左上角点的坐标,`bbox_width`和`bbox_height`是物体边界框的宽度和高度。 6. `width`和`height`是物体边界框的相对宽度和高度,计算方法为:`width = bbox_width / image_width`,`height = bbox_height / image_height`。 7. 将所有图像的标签文件保存在一个文件夹中,与图像文件夹对应。 8. 最后,将转换后的数据集用于YOLO的训练。 下面是一个示例,假设有一张图像的标注信息如下: ``` Object: cat Bounding box: (x=100, y=200, width=50, height=80) Image size: (width=800, height=600) ``` 将其转换为YOLO格式的标签信息: ``` 0 0.1625 0.3667 0.0625 0.1333 ``` 这表示该图像中的物体是类别0(cat),边界框中心点的相对坐标为(0.1625, 0.3667),边界框的相对宽度和高度分别为(0.0625, 0.1333)。
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