pascal voc转yolo

### 转换过程概述

为了将Pascal VOC格式的数据集转换为YOLO格式，主要涉及文件结构调整以及标注文件内容的转换。具体来说，VOC格式中的每张图片对应一个XML文件，而YOLO格式则采用TXT文件记录目标框信息，并且这些坐标是以相对位置表示的。

#### 文件结构调整

在开始转换之前，确保原始图像和对应的标签文件按照一定规则组织好。对于YOLO格式而言，通常期望看到如下目录结构：

dataset/
├── images/
│   ├── img1.jpg
│   └── ...
└── labels/
    ├── img1.txt
    └── ...

#### XML到TXT的转换逻辑

从VOC至YOLO的关键在于解析XML文档内的边界框数据，并将其转化为YOLO所需的标准化形式——即中心点(x_center, y_center)，宽度(width) 和高度(height)，所有数值均为相对于整幅图尺寸的比例值[^1]。

以下是实现上述功能的一段Python代码示例:

import xml.etree.ElementTree as ET
from os import getcwd

sets=[('2007', 'train'), ('2007', 'val')]
classes = ["aeroplane", "bicycle", "bird"]  # 需要根据实际情况修改类别列表

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, list_file):
    in_file = open(f'./VOCdevkit/VOC{year}/Annotations/{image_id}.xml')
    out_file = open(f'./labels/{image_id}.txt', '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(f'./VOCdevkit/VOC{year}/ImageSets/Main/{image_set}.txt').read().strip().split()
    list_file = open('%s_%s.txt'%(year, image_set), 'w')
    for image_id in image_ids:
        list_file.write(f'{wd}/images/{image_id}.jpg\n')
        convert_annotation(year, image_id, list_file)
    list_file.close()

此脚本遍历指定年份下的训练/验证集合，读取相应的XML文件并创建匹配的TXT文件用于存储转换后的YOLO风格的目标检测标记信息。