本文简述了目标检测xml格式标注的内容，以及yolo系列模型所需的txt格式标注的内容。并提供了一个简单的，可以将xml格式标注文件转换为txt格式标注文件的python脚本。
1. xml格式文件内容
<size>标签下为图片信息，包括 <width> 图片宽度，<height> 图片高度；
<object>标签下为图片中每个目标的信息，包括 <name> 标注的目标类别名称，<xmin> 目标检测框横坐标最小值，<ymin>目标检测框纵坐标最小值，<xmax>目标检测框横坐标最大值，<ymax>目标检测框纵坐标最大值。
2. yolo系列模型需要的txt格式标注
其中，每行为图片中一个目标的相关信息，包含5个字段，分别为：
（1）类别编号（直接用名称会报错），名称转编号可参考如下脚本；
待补充
（2）图框中心点的相对横坐标x（即图框中心点横坐标/图片宽度）；
（3）图框中心点的相对纵坐标；
（4）图框相对宽度（即图框宽度/图片宽度）；
（5）图框相对高度。
3. 转换思路：
对每一个xml文件进行解析，提取出图片的长宽。对每张图片，提取出每个目标的类别及其检测框定位点的坐标值。按照相应计算逻辑，计算出txt格式标注所需的信息，并输出保存为txt文件。
具体代码如下：
import os
import xml.etree.ElementTree as ET
# xml文件路径
xml_path = "D:/dataset/yolo/Annotations_simple/test/"
# 生成的txt文件路径
txt_path = "D:/pycharm_project/deeplearn/datasets/labels/test2/"
# 转换函数
def xml_to_txt(xml_path, txt_path):
"""
:param xml_path: xml格式标注文件所在目录
:param txt_path: 生成的txt格式标注文件所在目录
"""
# 读取文件夹下所有xml文件
files = os.listdir(xml_path)
files = [f for f in files if f.endswith(".xml")]
for file in files:
# 解析XML文件
tree = ET.parse(xml_path + file)
root = tree.getroot()
# 获取图像宽度和高度
size = root.find("size")
w = int(size.find("width").text)
h = int(size.find("height").text)
# c = int(size.find("depth").text)
# 遍历XML文件中的每个目标
for obj in root.iter("object"):
cls = obj.find("name").text # 获取类别名称
xmlbox = obj.find("bndbox") # 获取每个目标检测框信息
b = (
float(xmlbox.find("xmin").text),
float(xmlbox.find("xmax").text),
float(xmlbox.find("ymin").text),
float(xmlbox.find("ymax").text),
)
# 转换坐标，通过自行编写的convert函数转换成txt标注所需信息
bb = convert((w, h), b)
# 写入YOLO格式标注txt文件
txt_file_name = file[:-4]+ ".txt" # 生成的txt格式文件名，即将原文件名的 .xml 替换成 .txt
with open(txt_path + txt_file_name, "a") as f:
f.write(f"{cls} {bb[0]} {bb[1]} {bb[2]} {bb[3]}\n")
# xml标注信息转换成txt标注所需信息
def convert(size, box):
"""将边界框坐标从VOC格式转换为YOLO格式
size: 图片鹅宽高，格式为：(width,height)
box: xlm文件目标检测框信息，格式为 (x_min,x_max,y_min,y_max)
return: 返回txt标注所需信息，格式为 (x,y,w,h)，分别表示 检测框中心点的相对横坐标x（即检测框中心点横坐标/图片宽度），
检测框中心点的相对纵坐标y，检测框框相对宽度（即检测框框宽度/图片宽度），检测框相对高度
"""
dw = 1. / size[0]
dh = 1. / size[1]
x = (box[0] + box[1]) / 2.0 ## 检测框中心点横坐标
y = (box[2] + box[3]) / 2.0 ## 检测框中心点纵坐标
w = box[1] - box[0] ## 检测框高度
h = box[3] - box[2] ## 检测框宽度
## 计算相应的相对值
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return (x, y, w, h)
# 执行转换函数
xml_to_txt(xml_path, txt_path)
