(深度学习)简单的图片和xml数据清洗脚本

原创

已于 2022-09-21 09:27:24 修改 · 1k 阅读

10 ·

CC 4.0 BY-SA版权

于 2022-09-16 14:04:10 首次发布

这是一个用于深度学习数据集的简单图片和XML标注文件清洗脚本，功能包括：检查命名不规范的XML文件、显示缺失的XML或图像文件、删除无对应文件的图像或XML、查找并删除空XML、以及修正标签错误。脚本适用于确保数据集完整性和准确性，避免训练模型时的数据错误。

(深度学习)简单的图片和xml数据清洗脚本

分享一个自己目前在用的操作比较简单的数据清洗脚本，主要功能包括：

1.显示命名不规划的xml文件(可设置自己定义的命名规范格式）
2.缺失xml文件显示
3.缺失图像显示
4.删除没有对应xml的图片（小心误删）
5.删除没有对应图片的xml文件（小心误删）
6.找出并删除内容为空的xml文件
7.改写label出错的xml文件

脚本代码：

import os
import easygui as g
import xml.etree.ElementTree as ET
from tqdm import tqdm



def parse_obj(xml_path, filename):
    tree = ET.parse(xml_path + filename)
    objects = []
    for obj in tree.findall('object'):
        obj_struct = {
   
   }
        obj_struct['name'] = obj.find('name').text
        objects.append(obj_struct)
    return objects


image_path = g.diropenbox(title="请选择图像文件夹路径", default=r"/home/xiaopeng/dataset/")  # 将default按照自己数据的位置设置，可以减轻繁琐操作
print(image_path)
xml_path = g.diropenbox(ti