voc数据集转化为yolo的txt数据集

将VOC数据集转换为YOLO的txt数据集需要进行以下步骤：

1. 下载VOC数据集并解压，得到Annotations和JPEGImages两个文件夹。

2. 在Annotations文件夹中，每个xml文件对应一张图片，包含了该图片中所有物体的位置信息。需要将这些位置信息转换为YOLO格式。每个xml文件的内容如下：

   <annotation>
       <folder>VOC2007</folder>
       <filename>000001.jpg</filename>
       <source>
           <database>The VOC2007 Database</database>
           <annotation>PASCAL VOC2007</annotation>
           <image>flickr</image>
       </source>
       <size>
           <width>353</width>
           <height>500</height>
           <depth>3</depth>
       </size>
       <object>
           <name>person</name>
           <pose>Left</pose>
           <truncated>1</truncated>
           <difficult>0</difficult>
           <bndbox>
               <xmin>174</xmin>
               <ymin>101</ymin>
               <xmax>349</xmax>
               <ymax>351</ymax>
           </bndbox>
       </object>
       ...
   </annotation>

需要将每个物体的位置信息转换为YOLO格式，即将左上角和右下角的像素坐标转换为物体中心点相对于图片宽度和高度的比例，以及物体的宽度和高度相对于图片宽度和高度的比例。例如，上面的person物体转换后为：

   0 0.4641148 0.904 0.3116592 0.5

其中，第一个0表示该物体的类别编号，后面四个数分别表示物体中心点相对于图片宽度和高度的比例、物体宽度相对于图片宽度的比例、物体高度相对于图片高度的比例。

3. 编写Python脚本将所有xml文件转换为txt文件，并保存在同一目录下。脚本如下：

   import os
   import xml.etree.ElementTree as ET
   
   classes = ["person", "car", "bike", ...]  # 物体类别
   
   def convert(size, box):
       dw = 1.0 / size[0]
       dh = 1.0 / size[1]
       x = (box[0] + box[1]) / 2.0
       y = (box[2] + box[3]) / 2.0
       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(image_id):
       in_file = open('Annotations/%s.xml' % (image_id))
       out_file = open('labels/%s.txt' % (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')
   
   if not os.path.exists('labels'):
       os.makedirs('labels')
   
   image_ids = open('ImageSets/Main/train.txt').read().strip().split()
   for image_id in image_ids:
       convert_annotation(image_id)

该脚本将所有xml文件转换为txt文件，并保存在labels文件夹下。

4. 编写train.txt文件，其中每行为一张图片的文件名（不包括扩展名），保存在同一目录下。例如：

   000001
   000002
   000003
   ...

5. 最后，可以使用YOLO训练模型，使用转换后的txt数据集进行训练。