目标检测:将yolo标注的txt文本转为VOC标注的xml文件
1、准备工作
目标检测数据的标注分为两种格式:
- xml 解释性标签,左上角+右下角的坐标
- txt 记事本文件,类别+x,y中心坐标+w,h的相对值
需要准备的数据有:
其中images为图像数据,labels为txt文本信息
注意:这里仅仅支持图像格式为 jpg 格式!!!
需要转换数据格式,可以参考这章:PYTHON 自动化办公:更改图片后缀_改变文件夹里面图片后缀名的pytorch代码-CSDN博客
classes.txt 文件需要自行准备,没有的话,只能遍历出来看看目标框的是什么:
关于目标检测任务中,YOLO(txt格式)标注文件的可视化_yolo标注可视化-CSDN博客
2、代码
如下:
import os from PIL import Image import shutil from tqdm import tqdm def main(IMG,LAB,CLS): images = [i.split('.jpg')[0] for i in os.listdir(IMG)] # 数据 if os.path.exists('VOCdevkit'): shutil.rmtree('VOCdevkit') os.makedirs('VOCdevkit') os.makedirs('VOCdevkit/VOC2007') os.makedirs('VOCdevkit/VOC2007/JPEGImages') os.makedirs('VOCdevkit/VOC2007/Annotations') for img in tqdm(images): with open(os.path.join('VOCdevkit/VOC2007/Annotations',img+'.xml'), 'w') as xml_files: shutil.copy(os.path.join(IMG, img + '.jpg'),'VOCdevkit/VOC2007/JPEGImages') image = Image.open(os.path.join(IMG, img + '.jpg')) img_w, img_h = image.size xml_files.write('\n') xml_files.write(' folder\n') xml_files.write(f' {img}.jpg\n') xml_files.write(' \n') xml_files.write(' Unknown\n') xml_files.write(' \n') xml_files.write(' \n') xml_files.write(f' {img_w}\n') xml_files.write(f' {img_h}\n') xml_files.write(f' 3\n') xml_files.write(' \n') xml_files.write(' 0\n') with open(os.path.join(LAB,img + '.txt'), 'r') as f: # 以列表形式返回每一行 lines = f.read().splitlines() for each_line in lines: line = each_line.split(' ') xml_files.write(' \n') xml_files.write(f' {CLS[int(line[0])]}\n') xml_files.write(' Unspecified\n') xml_files.write(' 0\n') xml_files.write(' 0\n') xml_files.write(' \n') center_x = round(float(line[1]) * img_w) center_y = round(float(line[2]) * img_h) bbox_w = round(float(line[3]) * img_w) bbox_h = round(float(line[4]) * img_h) xmin = str(int(center_x - bbox_w / 2)) ymin = str(int(center_y - bbox_h / 2)) xmax = str(int(center_x + bbox_w / 2)) ymax = str(int(center_y + bbox_h / 2)) xml_files.write(f' {xmin}\n') xml_files.write(f' {ymin}\n') xml_files.write(f' {xmax}\n') xml_files.write(f' {ymax}\n') xml_files.write(' \n') xml_files.write(' \n') xml_files.write('') if __name__ == '__main__': # images 需要是 jpg格式 yoloImages = 'yolodata/images' yoloLabels = 'yolodata/labels' classTxt = 'classes.txt' txt = open(classTxt, 'r') txt = txt.read().splitlines() print(txt) main(IMG=yoloImages,LAB=yoloLabels,CLS=txt)
效果如下:
3、其他代码
可视化代码可以参考:
from lxml import etree import cv2 # 读取 xml 文件信息,并返回字典形式 def parse_xml_to_dict(xml): 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} # xml 标注文件的可视化 def xmlShow(img, xml, save=True): image = cv2.imread(img) with open(xml, encoding='gb18030', errors='ignore') as fid: # 防止出现非法字符报错 xml_str = fid.read() xml = etree.fromstring(xml_str) data = parse_xml_to_dict(xml)["annotation"] # 读取 xml文件信息 ob = [] # 存放目标信息 for i in data['object']: # 提取检测框 name = str(i['name']) # 检测的目标类别 bbox = i['bndbox'] xmin = int(bbox['xmin']) ymin = int(bbox['ymin']) xmax = int(bbox['xmax']) ymax = int(bbox['ymax']) tmp = [name, xmin, ymin, xmax, ymax] # 单个检测框 ob.append(tmp) # 绘制检测框 for name, x1, y1, x2, y2 in ob: cv2.rectangle(image, (x1, y1), (x2, y2), color=(255, 0, 0), thickness=2) # 绘制矩形框 cv2.putText(image, name, (x1, y1 - 10), fontFace=cv2.FONT_HERSHEY_SIMPLEX, fontScale=0.5, thickness=1, color=(0, 0, 255)) # 保存图像 if save: cv2.imwrite('result.png', image) # 展示图像 cv2.imshow('test', image) cv2.waitKey() cv2.destroyAllWindows() if __name__ == "__main__": import os import random img_path = r'.\VOCdevkit\VOC2007\JPEGImages' # 传入图片 image = [os.path.join(img_path, i) for i in os.listdir(img_path)] r = random.randint(0, len(image) - 1) # 生成随机索引 image_path = image[r] labels_path = image_path.replace('JPEGImages', 'Annotations') # 自动获取对应的 xml 标注文件 labels_path = labels_path.replace('.jpg', '.xml') xmlShow(img=image_path, xml=labels_path, save=True)
至于xml生成标签的json字典文件,参考:
目标检测篇:如何根据xml标注文件生成类别classes的json文件_将xml 根据注解 解读 成类-CSDN博客
文章版权声明:除非注明,否则均为主机测评原创文章,转载或复制请以超链接形式并注明出处。