目标识别数据集互相转换——xml、txt、json数据格式互转

目标识别数据集互相转换——xml、txt、json数据格式互转

VOC数据格式与YOLO数据格式互转

1.VOC数据格式

VOC（Visual Object Classes）是一个常用的计算机视觉数据集，它主要用于对象检测、分类和分割任务。VOC的标注格式，也被许多其他的数据集采用，因此理解这个数据格式是很重要的。下面是一个详细的介绍：

一个典型的VOC数据集主要包括以下两个主要组成部分：

1. JPEGImages：这个文件夹包含所有的图片文件，通常都是jpg格式。1. Annotations：这个文件夹包含每张图片对应的标注文件。每个标注文件都是xml格式的，其中包含了图片中每个对象的信息，如类别、位置等。
   格式如下：
   🔥计算机视觉、图像处理、毕业辅导、作业帮助、代码获取，远程协助，代码定制，私聊会回复!
   ✍🏻作者简介：机器学习，深度学习，卷积神经网络处理，图像处理
   🚀B站项目实战：https://space.bilibili.com/364224477
   😄 如果文章对你有帮助的话， 欢迎评论 💬点赞👍🏻 收藏 📂加关注+
   🤵‍♂代做需求：@个人主页

<annotation>
    <folder>图像文件所在文件夹名称</folder>
    <filename>图像文件名</filename>
    <source>...省略...</source>
    <size>
        <width>图像宽度</width>
        <height>图像高度</height>
        <depth>图像深度，例如RGB图像深度为3</depth>
    </size>
    <segmented>省略...</segmented>
    <object>
        <name>物体类别名称</name>
        <pose>省略...</pose>
        <truncated>是否被截断（0表示未被截断，1表示被截断）</truncated>
        <difficult>是否难以识别（0表示容易识别，1表示难以识别）</difficult>
        <bndbox>
            <xmin>物体边界框左上角的x坐标</xmin>
            <ymin>物体边界框左上角的y坐标</ymin>
            <xmax>物体边界框右下角的x坐标</xmax>
            <ymax>物体边界框右下角的y坐标</ymax>
        </bndbox>
    </object>
    ...其他物体的标注信息...
</annotation>

在标注文件中，可以包含多个<object>标签，每个标签都表示图片中的一个物体。每个物体的类别名称和位置信息都包含在这个标签中。位置信息通过一个矩形边界框来表示，该框由左上角和右下角的坐标确定。

2.YOLO数据格式

数据格式：label_index，cx， cy，w，h
label_index :为标签名称在标签数组中的索引，下标从 0 开始。
cx：标记框中心点的 x 坐标，数值是原始中心点 x 坐标除以 图宽 后的结果。
cy：标记框中心点的 y 坐标，数值是原始中心点 y 坐标除以 图高 后的结果。
w：标记框的 宽，数值为 原始标记框的 宽 除以 图宽 后的结果。
h：标记框的 高，数值为 原始标记框的 高 除以 图高 后的结果。

xml转txt

import os
import glob
import argparse
import random
import xml.etree.ElementTree as ET
from PIL import Ima