VOC 到 YOLO
一、VOC 和 YOLO 是什么？有什么区别？
VOC 是“通用语言”，适合做学术 benchmark，兼容 Faster R-CNN 等模型
YOLO 是“实战派”，只为YOLO 系列模型服务，但效率极高。
1. PASCAL VOC 格式（经典 XML）
- 每张图片对应一个 .xml 文件。
- 标注信息包括：图像宽高、每个物体的类别名、边界框坐标（xmin, ymin, xmax, ymax）。
示例：
<annotation>
<object>
<name>with_mask</name>
<bndbox>
<xmin>100</xmin>
<ymin>80</ymin>
<xmax>200</xmax>
<ymax>180</ymax>
</bndbox>
</object>
</annotation>
2. YOLO 格式（简洁 TXT）
- 每张图片对应一个 .txt 文件。
- 每行表示一个物体，所有坐标都是归一化值（0~1），相对于图像宽高
格式为：
class_id center_x center_y width height
0 0.45 0.5 0.2 0.3
二、为什么要写这个转换脚本？
很多公开数据集（如口罩检测、交通标志）是以 VOC 格式发布的。
但 YOLO 官方代码只支持 YOLO 格式。
因此，我们需要一个工具：自动把 VOC 转成 YOLO，并划分训练/验证/测试集。
这就是本文脚本要做的事！
三、VOC 转 YOLO 代码
1. 整体目标：
- 将一个 PASCAL VOC 格式 的数据集（包含 Annotations/.xml 和 JPEGImages/.png/.jpg）转换为 YOLO 格式 的数据集；
- 并自动划分为 train/val/test 三个子集；
- 最终生成可用于 YOLOv5/v8 训练的结构和配置文件
2. 完整代码
- 在你的项目里创建一个 YoloReverse.py 文件
- 写入以下代码，修改：
| 修改 | 内容 |
|---|---|
| voc_data_path | VOC 所在路径，文件名要与实际文件名对应 |
| yolo_data_path | YOLO 存入路径 |
| class_mapping | 与 VOC 中设置的分类名称一致，从0开始 |
- 运行
import os
import shutil
import random
import xml.etree.ElementTree as ET
from tqdm import tqdm
# ================== 配置区：配置数据路径 ==================
voc_data_path = r'F:\yolov\yolov5-mask-42-master\images\DataSet-VOC'
voc_annotations_path = os.path.join(voc_data_path, 'Annotations')
voc_images_path = os.path.join(voc_data_path, 'JPEGImages')
yolo_data_path = r'F:\yolov\yolov5-mask-42-master\images\DataSet-YOLO'
yolo_images_path = os.path.join(yolo_data_path, 'images')
yolo_labels_path = os.path.join(yolo_data_path, 'labels')
# 类别映射
class_mapping = {
'with_mask': 0,
'without_mask': 1,
}
# ================== 转换函数 ==================
def convert_voc_to_yolo(voc_annotation_file, yolo_label_file):
tree = ET.parse(voc_annotation_file)
root = tree.getroot()
size = root.find('size')
width = float(size.find('width').text)
height = float(size.find('height').text)
with open(yolo_label_file, 'w') as f:
for obj in root.findall('object'):
cls = obj.find('name').text
if cls not in class_mapping:
print(f"未知类别: {cls}，跳过...")
continue
cls_id = class_mapping[cls]
xmlbox = obj.find('bndbox')
xmin = float(xmlbox.find('xmin').text)
ymin = float(xmlbox.find('ymin').text)
xmax = float(xmlbox.find('xmax').text)
ymax = float(xmlbox.find('ymax').text)
x_center = (xmin + xmax) / 2.0 / width
y_center = (ymin + ymax) / 2.0 / height
w = (xmax - xmin) / width
h = (ymax - ymin) / height
f.write(f"{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}\n")
# ================== 创建目录 ==================
os.makedirs(yolo_images_path, exist_ok=True)
os.makedirs(yolo_labels_path, exist_ok=True)
# ================== VOC → YOLO 转换 ==================
print("开始VOC到YOLO格式转换...")
xml_files = [f for f in os.listdir(voc_annotations_path) if f.endswith('.xml')]
for xml_file in tqdm(xml_files):
voc_annotation_file = os.path.join(voc_annotations_path, xml_file)
image_id = os.path.splitext(xml_file)[0]
# 查找对应图像
found = False
for ext in ['.png', '.jpg']:
voc_image_file = os.path.join(voc_images_path, f"{image_id}{ext}")
if os.path.exists(voc_image_file):
yolo_image_file = os.path.join(yolo_images_path, f"{image_id}{ext}")
shutil.copy(voc_image_file, yolo_image_file)
found = True
break
if not found:
print(f"图像未找到: {image_id}")
continue
yolo_label_file = os.path.join(yolo_labels_path, f"{image_id}.txt")
convert_voc_to_yolo(voc_annotation_file, yolo_label_file)
print("VOC到YOLO格式转换完成！")
# ================== 划分数据集 ==================
train_ratio = 0.7
val_ratio = 0.2
test_ratio = 0.1
# 创建子集目录
subsets = ['train', 'val', 'test']
for subset in subsets:
os.makedirs(os.path.join(yolo_data_path, subset, 'images'), exist_ok=True)
os.makedirs(os.path.join(yolo_data_path, subset, 'labels'), exist_ok=True)
# 获取所有图像名（不含扩展名）
image_files = [f[:-4] for f in os.listdir(yolo_images_path) if f.endswith(('.png', '.jpg'))]
random.shuffle(image_files)
train_count = int(train_ratio * len(image_files))
val_count = int(val_ratio * len(image_files))
test_count = len(image_files) - train_count - val_count
train_files = image_files[:train_count]
val_files = image_files[train_count:train_count + val_count]
test_files = image_files[train_count + val_count:]
# 移动文件
def move_files(files, src_img_dir, src_lab_dir, dst_img_dir, dst_lab_dir):
for file in files:
src_img = os.path.join(src_img_dir, f"{file}.png")
src_lab = os.path.join(src_lab_dir, f"{file}.txt")
dst_img = os.path.join(dst_img_dir, f"{file}.png")
dst_lab = os.path.join(dst_lab_dir, f"{file}.txt")
if os.path.exists(src_img) and os.path.exists(src_lab):
shutil.move(src_img, dst_img)
shutil.move(src_lab, dst_lab)
# 移动
move_files(train_files, yolo_images_path, yolo_labels_path,
os.path.join(yolo_data_path, 'train', 'images'),
os.path.join(yolo_data_path, 'train', 'labels'))
move_files(val_files, yolo_images_path, yolo_labels_path,
os.path.join(yolo_data_path, 'val', 'images'),
os.path.join(yolo_data_path, 'val', 'labels'))
move_files(test_files, yolo_images_path, yolo_labels_path,
os.path.join(yolo_data_path, 'test', 'images'),
os.path.join(yolo_data_path, 'test', 'labels'))
print("数据集划分完成！")
# ================== 生成 dataset.yaml ==================
yaml_content = f"""train: ./train/images
val: ./val/images
nc: {len(class_mapping)}
names: {list(class_mapping.keys())}
"""
with open(os.path.join(yolo_data_path, 'dataset.yaml'), 'w') as f:
f.write(yaml_content)
print("dataset.yaml 已生成！")
# ================== 注意：不要删除原始文件夹！==================
# 如果需要清理，建议注释掉以下两行：
# shutil.rmtree(yolo_images_path)
# shutil.rmtree(yolo_labels_path)
- 运行结果
DataSet-YOLO/
├── train/
│ ├── images/
│ └── labels/
├── val/
│ ├── images/
│ └── labels/
├── test/
│ ├── images/
│ └── labels/
└── dataset.yaml
2. 代码解析
第一步：导入必要的库
import os # 操作文件路径
import shutil # 复制/移动文件
import random # 随机打乱数据
import xml.etree.ElementTree as ET # 解析 XML 文件
from tqdm import tqdm # 显示进度条
第二步：配置路径和类别
# VOC 数据存放位置
voc_data_path = r'F:\...\images\DataSet-VOC'
voc_annotations_path = os.path.join(voc_data_path, 'Annotations') # XML 文件夹
voc_images_path = os.path.join(voc_data_path, 'JPEGImages') # 图片文件夹
# YOLO 输出位置
yolo_data_path = r'F:\...\images\DataSet-YOLO'
yolo_images_path = os.path.join(yolo_data_path, 'images')
yolo_labels_path = os.path.join(yolo_data_path, 'labels')
# 类别映射：VOC 实际的类别名 → YOLO 的数字 ID
class_mapping = {
'with_mask': 0,
'without_mask': 1,
}
使用 os.path.join 会自动根据当前系统选择正确的分隔符，让代码跨平台兼容
- Windows 用 \
- Linux/macOS 用 /
第三步：核心转换函数
def convert_voc_to_yolo(voc_annotation_file, yolo_label_file):
# 1. 读取 XML 文件
tree = ET.parse(voc_annotation_file)
root = tree.getroot()
# 2. 获取图像宽高
width = float(root.find('size').find('width').text)
height = float(root.find('size').find('height').text)
# 3. 遍历每个物体
with open(yolo_label_file, 'w') as f:
for obj in root.findall('object'):
cls = obj.find('name').text
if cls not in class_mapping:
continue # 跳过未知类别
cls_id = class_mapping[cls]
# 4. 读取边界框坐标
xmin = float(obj.find('bndbox').find('xmin').text)
ymin = float(obj.find('bndbox').find('ymin').text)
xmax = float(obj.find('bndbox').find('xmax').text)
ymax = float(obj.find('bndbox').find('ymax').text)
# 5. 转换为 YOLO 格式（归一化中心+宽高）
x_center = (xmin + xmax) / 2.0 / width
y_center = (ymin + ymax) / 2.0 / height
w = (xmax - xmin) / width
h = (ymax - ymin) / height
# 6. 写入 .txt 文件， :.6f 表示：保留 6 位小数的浮点数
f.write(f"{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}\n")
关键公式：
中心点：x_center = (xmin + xmax) / 2 / image_width
宽高：w = (xmax - xmin) /image_width
第四步：执行转换 + 复制图片
# 创建输出目录
os.makedirs(yolo_images_path, exist_ok=True)
os.makedirs(yolo_labels_path, exist_ok=True)
# 遍历所有 XML 文件
for xml_file in tqdm(xml_files):
# 找到对应的图片（可能是 .jpg 或 .png）
# 复制图片到 YOLO/images
# 调用 convert_voc_to_yolo 生成 .txt 标签
第五步：划分训练集、验证集、测试集
train_ratio = 0.7 # 70% 训练
val_ratio = 0.2 # 20% 验证
test_ratio = 0.1 # 10% 测试
# 随机打乱所有文件名
random.shuffle(image_files)
# 按比例切分
train_files = image_files[:train_count]
val_files = image_files[train_count:train_count + val_count]
test_files = image_files[train_count + val_count:]
# 移动文件到对应子文件夹
第六步：生成 dataset.yaml
这是 YOLOv5 训练时必需的配置文件：
train: ./train/images
val: ./val/images
nc: 2
names: ['with_mask', 'without_mask']
- nc: number of classes（类别数）
- names: 类别名称列表（顺序必须与 class_mapping 一致）
扫一扫
2448
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
