VOC数据集转YOLO数据集

文章目录

*
制作自己的VOC数据集
生成数据集名称文件
.xml文件转.txt文件
完善自己的YOLO数据集

制作自己的VOC数据集

首先,把VOC数据集里的图片和.xml文件按照如下文件夹格式存放

VOC数据集转YOLO数据集
我的数据集各级文件夹如图所示:
VOC数据集转YOLO数据集
VOC数据集转YOLO数据集

VOC数据集转YOLO数据集
VOC数据集转YOLO数据集
VOC数据集转YOLO数据集

; 生成数据集名称文件

train.txt里面存的是所有数据集图片的名称(注意, 是不含后缀名的名称!!!)

VOC数据集转YOLO数据集
如图,我的images文件夹里有这样几张.jpg文件,在这个images文件夹里建一个.txt文件,内容如图所示:
VOC数据集转YOLO数据集
 DIR  *.*/B>train.txt

修改该.txt文件后缀为.bat,如图:

VOC数据集转YOLO数据集
双击这个.bat文件,会看到生成了一个train.txt文件
VOC数据集转YOLO数据集
打开train.txt,可以看到里面的内容是images这个文件夹里所有文件的名称。
VOC数据集转YOLO数据集
删除list.bat和train.txt这两行,只留下图片的名称
注意:由于最终 train.txt里只能保留图片名称,不含后缀,所以需要把train.txt文件里每一行的”.jpg”删掉,可以手动删除,但如果数据集过大,可使用如下python脚本删除:
import os
filename = r"train.txt"
new_filename = r"train1.txt"
with open(filename,encoding="utf-8") as f1, open(new_filename,"w",encoding="utf-8") as f2:
    for line in f1:
        new_line = line[:-5]
        f2.write(new_line)
        f2.write('\n')
f1.close()
f2.close()

运行效果如图所示:

VOC数据集转YOLO数据集
打开新生成的train1.txt可以看到,后缀名都被删掉了
VOC数据集转YOLO数据集
这个时候把train1.txt里的内容复制到\data\ImageSets\Main\train.txt中去。

.xml文件转.txt文件

.xml转.txt文件yolo模型官方有提供转换代码,使用方法下文所示:

创建一个.py文件,内容如下:


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

sets = ['train', 'val', 'test']
classes = ['red', 'yellow','green', 'turn_left',  'turn_right', 'stop']
abs_path = os.getcwd()
print(abs_path)

def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return x, y, w, h

def convert_annotation(image_id):
    in_file = open('C:/Users/Lenovo/Desktop/data/Annotations/%s.xml' % (image_id),encoding='utf-8')
    out_file = open('C:/Users/Lenovo/Desktop/data/labels/%s.txt' % (image_id), 'w',encoding='utf-8')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)
    for obj in root.iter('object'):

        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        b1, b2, b3, b4 = b

        if b2 > w:
            b2 = w
        if b4 > h:
            b4 = h
        b = (b1, b2, b3, b4)
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

wd = getcwd()
for image_set in sets:
    if not os.path.exists('C:/Users/Lenovo/Desktop/data/labels/'):
        os.makedirs('C:/Users/Lenovo/Desktop/data/labels/')
    image_ids = open('C:/Users/Lenovo/Desktop/data/ImageSets/Main/%s.txt' % (image_set)).read().strip().split()
    list_file = open('%s.txt' % (image_set), mode='w', encoding='utf-8')
    for image_id in image_ids:
        list_file.write('C:/Users/Lenovo/Desktop/data/images/%s.jpg\n' % (image_id))
        convert_annotation(image_id)
    list_file.close()

转换代码使用注意事项:

  1. 把第六行改为’train’, ‘val’, ‘test’
  2. 第七行classes里的内容改为自己数据集里的类别名称
  3. 注意各个地址的写法,一定要使用反斜杠

之后运行这段脚本,会发现data里面生成了一个新的lables文件夹,这样便是数据转化成功了

VOC数据集转YOLO数据集
VOC数据集转YOLO数据集

完善自己的YOLO数据集

最后,将labels这个文件夹复制进yolo数据集里即可

Original: https://blog.csdn.net/qq_52109814/article/details/124864143
Author: L-M-Y
Title: VOC数据集转YOLO数据集

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/520005/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球