数据集VOC格式转yolo格式

### Pascal VOC格式到YOLO格式的转换 #### 转换步骤概述 为了将Pascal VOC格式的数据集转换为YOLO格式，需经历几个重要阶段。首先是理解两种格式之间的差异。Pascal VOC采用XML文件存储图像标注信息，而YOLO则偏好更简洁的方式——即每张图对应一个文本文件(.txt)，其中每一行代表一个对象及其边界框的位置和大小[^1]。 #### Python代码实现转换过程 下面提供一段Python脚本用于自动化完成此转换工作： ```python import xml.etree.ElementTree as ET from os import getcwd sets=[('2007', 'train'), ('2007', 'val')] classes = ["aeroplane", "bicycle", "bird", "boat", "bottle"] 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(year, image_id): in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id)) out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id), '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) for obj in root.iter('object'): 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)) bb = convert((w,h), b) out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n') wd = getcwd() for year, image_set in sets: image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split() list_file = open('%s_%s.txt'%(year, image_set), 'w') for image_id in image_ids: list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id)) convert_annotation(year, image_id) list_file.close() ``` 上述代码遍历指定年份与类型的图片集合（训练集或验证集），读取对应的`.xml`标注文件，并将其解析成YOLO所需的格式写入相应的`.txt`文件中[^3]。 #### 结论 通过遵循以上方法，可以有效地把Pascal VOC格式的数据集转变为适合YOLO模型使用的格式。这不仅简化了后续处理流程中的数据准备环节，同时也提高了不同框架间迁移学习的可能性。