我自己的資料集格式為filename lable xmin ymin xmax ymax

1 通過別的模板轉換

VOC資料集的xml格式為：

<annotation>
  <folder>VOC2007</folder>
  <filename>000002.jpg</filename>    //檔名  
  <size>                            //影象尺寸（長寬以及通道數
    <width>335</width>
    <height>500</height>
    <depth
 
>3</depth>
  </size>
  <object>        //檢測到的物體
    <name>cat</name>    //物體類別
    <pose>Unspecified</pose>    //拍攝角度
    <truncated>0</truncated>    //是否被截斷（0表示完整
    <difficult>0</difficult>    //目標是否難以識別（0表示容易識別）
    <bndbox>                    //bounding-box（包含左下角和右上角xy座標）
 

      <xmin>139</xmin>
      <ymin>200</ymin>
      <xmax>207</xmax>
      <ymax>301</ymax>
    </bndbox>
  </object>
</annotation>

所以我們把它當作模板然後修改成自己的資料集。注意object 可能不止一個。

轉換程式碼：

import copy
from lxml.etree import Element, SubElement, tostring, ElementTree
import 
 
cv2

# 修改為你自己的路徑
template_file = 'G:\\dataset\\WJ-data\\anno.xml'
target_dir = 'G:\\dataset\\WJ-data\\Annotations\\'
image_dir = 'G:\\dataset\\train\\'  # 圖片資料夾
train_file = 'G:\\dataset\\train.txt'  # 儲存了圖片資訊的txt檔案
with open(train_file) as f:
    trainfiles = f.readlines()  # 標註資料 格式(filename label x_min y_min x_max y_max)
file_names = []
tree = ElementTree()

for line in trainfiles:
    trainFile = line.split()
    file_name = trainFile[0]
    print(file_name)

    # 如果沒有重複，則順利進行。這給的資料集一張圖片的多個框沒有寫在一起。
if file_name not in file_names:
        file_names.append(file_name)
        lable = trainFile[1]
        xmin = trainFile[2]
        ymin = trainFile[3]
        xmax = trainFile[4]
        ymax = trainFile[5]

        tree.parse(template_file)
        root = tree.getroot()
        root.find('filename').text = file_name

        # size
sz = root.find('size')
        im = cv2.imread(image_dir + file_name)#讀取圖片資訊
sz.find('height').text = str(im.shape[0])
        sz.find('width').text = str(im.shape[1])
        sz.find('depth').text = str(im.shape[2])

        # object 因為我的資料集都只有一個框
obj = root.find('object')

        obj.find('name').text = lable
        bb = obj.find('bndbox')
        bb.find('xmin').text = xmin
        bb.find('ymin').text = ymin
        bb.find('xmax').text = xmax
        bb.find('ymax').text = ymax
        # 如果重複，則需要新增object框
else:
        lable = trainFile[1]
        xmin = trainFile[2]
        ymin = trainFile[3]
        xmax = trainFile[4]
        ymax = trainFile[5]

        xml_file = file_name.replace('jpg', 'xml')
        tree.parse(target_dir + xml_file)#如果已經重複
root = tree.getroot()

        obj_ori = root.find('object')

        obj = copy.deepcopy(obj_ori)  # 注意這裡深拷貝
obj.find('name').text = lable
        bb = obj.find('bndbox')
        bb.find('xmin').text = xmin
        bb.find('ymin').text = ymin
        bb.find('xmax').text = xmax
        bb.find('ymax').text = ymax
        root.append(obj)

    xml_file = file_name.replace('jpg', 'xml')
    tree.write(target_dir + xml_file, encoding='utf-8')

2.將xml轉為符合YOLO的txt

標註檔案.txt裡的資料格式是這樣的：

轉換程式碼如下:

# box裡儲存的是ROI感興趣區域的座標（x，y的最大值和最小值）
# 返回值為ROI中心點相對於圖片大小的比例座標，和ROI的w、h相對於圖片大小的比例
def convert(size, box):
    dw = 1./(size[0])
    dh = 1./(size[1])
    x = (box[0] + box[1])/2.0
    y = (box[2] + box[3])/2.0
    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)


# 對於單個xml的處理
def convert_annotation(image_add):
    # image_add進來的是帶地址的.jpg
    #image_add = os.path.split(image_add,' ')[1]  # 擷取檔名
    image_name = image_add.split()[0]
    print(image_name)
    image_name = image_name.replace('.jpg', '')  # 刪除字尾，現在只有檔名
    in_file = open('G:\\dataset\\WJ-data\\Annotations\\' + image_name + '.xml')  # 圖片對應的xml地址
    out_file = open('G:\\dataset\\WJ-data\\labels\\%s.txt' % (image_name), 'w')

    tree = ET.parse(in_file)
    root = tree.getroot()

    size = root.find('size')

    w = int(size.find('width').text)
    h = int(size.find('height').text)

    # 在一個XML中每個Object的迭代
    for obj in root.iter('object'):
        # iter()方法可以遞迴遍歷元素/樹的所有子元素
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        # 如果訓練標籤中的品種不在程式預定品種，或者difficult = 1，跳過此object
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)#這裡取索引，避免類別名是中文，之後執行yolo時要在cfg將索引與具體類別配對
        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))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


if not os.path.exists('G:\\dataset\\WJ-data\\labels\\'):#不存在資料夾
    os.makedirs('G:\\dataset\\WJ-data\\labels\\')

image_adds = open("G:\\dataset\\train.txt")
for image_add in image_adds:
    image_add = image_add.strip()
    convert_annotation(image_add)

print("Finished")

3.構建訓練集與交叉驗證集:

"""
分割訓練集和驗證集
分別儲存了圖片的路徑
"""
from sklearn.model_selection import train_test_split

img_add = 'G:\\dataset\\train.txt'
data_set = [x.strip() for x in open(img_add).readlines()]

train_X, test_X = train_test_split(data_set, test_size=0.2, random_state=0)
print(train_X)
print(test_X)

train_file = open('G:\\dataset\\WJ-data\\train_file.txt', 'w')
for x in train_X:
    x = x.split(' ')[0]
    print(x)
    train_file.write('G:\\dataset\\train'+x+'\n')

test_file = open('G:\\dataset\\WJ-data\\valid_file.txt', 'w')
for x in test_X:
    x = x.split(' ')[0]
    test_file.write('G:\\dataset\\train'+x+'\n')

4. 生成類別名檔案:

with open('G:\\dataset\\WJ-data\\obj.names', 'w') as f:
    for i in range(61):
        f.write(str(i)+'\n')

參考連結：