将COCO数据集转换为VOC数据集

原创

已于 2022-04-13 16:32:57 修改 · 4.5k 阅读

30 ·

CC 4.0 BY-SA版权

本文为博主原创文章，未经博主允许不得转载

文章标签：

#图像处理 #目标检测 #计算机视觉 #深度学习 #人工智能

于 2022-04-12 09:41:45 首次发布

该脚本用于将COCO2017数据集转换为VOC格式，包括图片和标注文件。代码首先检查目标文件夹，然后读取COCO数据集的JSON注释文件，遍历所有图像，提取类别信息，创建VOC格式的XML标注文件，并将图像复制到新目录。转换过程中，非RGB图像将被忽略。

将COCO数据集转换为VOC数据集，将本代码跟coco2017放在同一目录下，下载COCO官方数据集，直接运行即可，不需要做任何改动。
在这里插入图片描述

'''
把coco数据集合的所有标注转换到voc格式，不改变图片命名方式，
注意，原来有一些图片是黑白照片，检测出不是 RGB 图像，这样的图像不会被放到新的文件夹中
'''
from pycocotools.coco import COCO
import os, cv2, shutil
from lxml import etree, objectify
from tqdm import tqdm
from PIL import Image

# 生成图片保存的路径
CKimg_dir = './coco2017_voc/images'
# 生成标注文件保存的路径
CKanno_dir = './coco2017_voc/annotations'


# 若模型保存文件夹不存在，创建模型保存文件夹，若存在，删除重建
def mkr(path):
    if os.path.exists(path):
        shutil.rmtree(path)
        os.mkdir(path)
    else:
        os.mkdir(path)


def save_annotations(filename, objs, filepath):
    annopath = CKanno_dir + "/" + filename[:-3] + "xml"  # 生成的xml文件保存路径
    dst_path = CKimg_dir + "/" + filename
    img_path = filepath
    img = cv2.imread(img_path)
    im = Image.open(img_path)
    if im.mode != "RGB":
        print(filename + " not a RGB image")
        im.close()
        return
    im.close()
    shutil.copy(img_path, dst_path)  # 把原始图像复制到目标文件夹
    E = objectify.ElementMaker(annotate