Conjunto de dados VOC para conjunto de dados YOLO

Crie seu próprio conjunto de dados VOC

Primeiro, armazene as imagens e arquivos .xml no conjunto de dados VOC de acordo com o seguinte formato de pasta.

Minhas pastas de conjunto de dados em todos os níveis são mostradas na figura:

Gerar arquivo de nome do conjunto de dados

O train.txt armazena os nomes de todas as imagens do conjunto de dados (observe, é o nome sem o nome do sufixo !!!)

Conforme mostrado na figura, existem vários arquivos .jpg na minha pasta de imagens, nesta pasta de imagens Crie um arquivo . txt com o conteúdo conforme a figura:

 DIR  *.*/B>train.txt 

Modifique o sufixo do arquivo .txt para .bat, conforme mostrado na figura:

Clique duas vezes no arquivo .bat e você verá que um arquivo train.txt é gerado.

Abra o train.txt e você verá que o conteúdo são os nomes de todos os arquivos na pasta de imagens. .

Apague as duas linhas de list.bat e train.txt, deixando apenas o nome da figura
Obs: Como no train.txt final pode ficar apenas o nome da figura sem o sufixo , é necessário colocar ".jpg " em cada linha do arquivo train.txt "Excluir, você pode excluir manualmente, mas se o conjunto de dados for muito grande, você pode usar o seguinte script python para excluir:

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()

O efeito de corrida é mostrado na figura:

Abra o train1.txt recém-gerado e você verá que os sufixos foram excluídos.

Neste momento, copie o conteúdo do train1.txt para \data\ImageSets\Main\train.txt.

arquivo .xml para arquivo .txt

O modelo yolo de arquivo .xml para .txt fornece oficialmente o código de conversão e o método de uso é mostrado abaixo:

Crie um arquivo .py com o seguinte conteúdo:

# -*- coding: utf-8 -*-
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']   # 改成自己的类别
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
        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
        # 标注越界修正
        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()

Observações sobre o uso do código de conversão:

1. Altere a sexta linha para 'train', 'val', 'test'
2. Altere o conteúdo nas classes da sétima linha para o nome da categoria em seu próprio conjunto de dados
3. Preste atenção na escrita de cada endereço, certifique-se de usar barras invertidas

Depois de executar este script, você descobrirá que uma nova pasta de etiquetas é gerada nos dados, o que significa que a conversão de dados foi bem-sucedida

Melhore seu próprio conjunto de dados YOLO

Por fim, copie a pasta labels para o conjunto de dados yolo.