修改 xml 格式的训练数据标注集(label / annotation)的 python 脚本

在R-FCN训练中遇到由于XML标注文件起点坐标为(0,0)导致的numpy运行时错误。通过fool-zz的博客找到问题根源后,编写了一个利用xml.etree模块的Python脚本,批量修正XML标注文件,避免LOSS出现Nan问题,提高标注修改效率。" 133606957,20015923,Oracle数据库内存优化:SGA与PGA的配置策略,"['Oracle数据库', '数据库优化', '内存管理']

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最近遇到了 R-FCN 训练时,numpy 会报错的情况,错误如下:

RuntimeWarning: invalid value encountered in log targets_dw = np.log(gt_widths / ex_widths)

搞得 LOSS 一直是 Nan,很是头疼。
几经查询,看到了fool-zz 的博客,将问题确定在了标注上。查阅自己的 xml 标注文件( labelImage 生成),发现确实有的框的起点在图片的左上角,也就是 (0,0),引发了上述错误。

手动修改 xml 实在是太辛苦了,所以写了个 python 脚本,利用 xml.etree 进行修改,方便快捷。并且日后修改标注(xml格式)时简单修改就可以拿来使用,非常方便。

最后附上代码:

import os
import xml.etree.ElementTree as ET

path = './Annotations_needRectify'

for xml in os.listdir<
### LabelImg标注数据XML格式及其与YOLOv5s模型的兼容性 LabelImg工具生成的标注文件默认为Pascal VOC格式,即XML格式[^1]。这种格式广泛应用于目标检测领域,包含了图像中标注对象的位置信息以及其他元数据。 然而,YOLO系列算法(包括YOLOv5s)使用的标注文件并非直接支持XML格式,而是采用一种更简洁的纯文本格式。具体来说,YOLO格式的标注文件每一行表示一个物体的标注,其内容由五个数值组成:`<object-class> <x_center> <y_center> <width> <height>`[^2]。这些数值分别代表类别索引、边界框中心点相对于图像宽度和高度的比例坐标以及边界框宽高比例。 因此,在使用LabelImg生成的XML格式数据之前,需要将其转换成YOLO所需的TXT格式。这一过程可以通过编写脚本来完成,常见的做法是从XML文件中解析出各个对象的信息并按照YOLO格式重新组织保存到对应的TXT文件中。例如: ```python import xml.etree.ElementTree as ET 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(xml_file, txt_file, classes): tree=ET.parse(xml_file) root = tree.getroot() size = root.find('size') w = int(size.find('width').text) h = int(size.find('height').text) with open(txt_file, "w") as f: 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) f.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n') # Example usage of the function above would involve specifying paths and class names. ``` 当准备好了符合YOLO格式的数据之后,就可以利用YOLOv5框架进行训练操作了。这涉及到了解压预训练权重、配置数据路径参数等一系列准备工作[^3],最终通过指定相应的超参来启动训练流程[^4]。 ####
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值