将VOC数据格式转换为YOLO数据格式(附源码)

Posted 2022-12-26 AI吃大瓜

将VOC数据格式转换为YOLO数据格式(附源码)

目录

将VOC数据格式转换为YOLO数据格式

1.VOC数据集格式

2.YOLO数据格式

3.将VOC数据格式转换为YOLO数据格式

---

【尊重原则，转载请注明出处】https://panjinquan.blog.csdn.net/article/details/127879904

1.VOC数据集格式

Pascal VOC数据集下载地址：The PASCAL Visual Object Classes Homepage

数据集下载后解压得到一个名为VOCdevkit的文件夹，该文件夹结构如下：

对于目前检测任务，主要用到JPEGImages和Annotations；其中JPEGImages文件夹存放图片，而Annotations下放的是标注框的信息，格式为xml； Annotations文件夹中存放的是xml格式的标签文件，每一个xml文件都对应于JPEGImages文件夹中的一张图片，包含了图片的标注信息，如图片的名称，图片中object的类别及其bounding box坐标。

xml样例如下：

<?xml version="1.0" ?>
<annotation>
 <folder>widerface</folder>
 <filename>000001.jpg</filename>
 <source>
  <database>wider face Database</database>
  <annotation>PASCAL VOC2007</annotation>
  <flikerid>-1</flikerid>
 </source>
 <size>
  <width>353</width>
  <height>500</height>
  <depth>3</depth>
 </size>
 <segmented>0</segmented>
 <object>
  <name>dog</name>
  <pose>Unspecified</pose>
  <truncated>1</truncated>
  <difficult>0</difficult>
  <bndbox>
   <xmin>48.0</xmin>
   <ymin>240.0</ymin>
   <xmax>195.0</xmax>
   <ymax>371.0</ymax>
  </bndbox>
 </object>
 <object>
  <name>person</name>
  <pose>Unspecified</pose>
  <truncated>1</truncated>
  <difficult>0</difficult>
  <bndbox>
   <xmin>8.0</xmin>
   <ymin>12.0</ymin>
   <xmax>352.0</xmax>
   <ymax>498.0</ymax>
  </bndbox>
 </object>
 <object>
  <name>face</name>
  <pose>Unspecified</pose>
  <truncated>1</truncated>
  <difficult>0</difficult>
  <bndbox>
   <xmin>147.76751708984375</xmin>
   <ymin>51.60520935058594</ymin>
   <xmax>265.4585266113281</xmax>
   <ymax>213.4471435546875</ymax>
  </bndbox>
  <lm>
   <x1>170.7704620361328</x1>
   <y1>127.99724578857422</y1>
   <x2>220.77003479003906</x2>
   <y2>117.16474151611328</y2>
   <x3>191.6404266357422</x3>
   <y3>153.10772705078125</y3>
   <x4>177.97305297851562</x4>
   <y4>184.284912109375</y4>
   <x5>226.77618408203125</x5>
   <y5>172.9976348876953</y5>
   <visible>1</visible>
   <blur>0.28</blur>
  </lm>
 </object>
</annotation>

xm文件中，字段object是物体位置信息，包含了物体名称name，拍摄角度pose，是否截断truncated，难以识别difficult，object对应的bounding box信息 bndbox，格式为[xmin，ymin，xmax，ymax]

---

2.YOLO数据格式

YOLO系列数据格式都一样的，一张图片对应一个txt文本，内容格式为：[id  x_center  y_center  w  h]，且都是标准化（0~1之间）后的值。

---

3.将VOC数据格式转换为YOLO数据格式

为了方便大家使用，现在已经打包发布了，请使用pip安装即可使用

• pybaseutils工具源码: https://github.com/PanJinquan/base-utils
• 安装：pip install pybaseutils

使用方法特别特别简单，填写好数据data_root和输出路径out_text_dir即可，

特别注意：数据路径只需要保证有JPEGImages和Annotations即可，其余ImageSets和SegmentationClass这些都可以不需要

if __name__ == "__main__":
    from pybaseutils.maker import convert_voc2yolo

    # 定义类别数
    class_name = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat",
                  "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person",
                  "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
    # VOC数据目录
    data_root = "/path/to/VOC2007"
    # 保存输出yolo格式数据目录
    out_text_dir = os.path.join(data_root, "labels")
    # 开始转换,vis=True进行可视化
    convert_voc2yolo.convert_voc2yolo(data_root, out_text_dir, class_name=class_name, vis=True)

可视化效果如下： 

如果你想挑选其中几个类别进行训练，比如筛选含有["car", "dog"]的数据，其余的类别数据不需要，则修改class_name即可，如

if __name__ == "__main__":
    from pybaseutils.maker import convert_voc2yolo

    # 定义类别数
    class_name = ["car", "dog"]
    # VOC数据目录
    data_root = "/path/to/VOC2007"
    # 保存输出yolo格式数据目录
    out_text_dir = os.path.join(data_root, "labels")
    # 开始转换,vis=True进行可视化
    convert_voc2yolo.convert_voc2yolo(data_root, out_text_dir, class_name=class_name, vis=True)