VOC数据集与YOLO数据集格式介绍，以及如何将VOC数据集转换为YOLO数据集

VOC 数据集格式和 YOLO 数据集格式是计算机视觉领域中最常用的两种数据集标注格式，主要用于目标检测任务。它们的格式和结构有所不同，下面分别介绍这两种格式。

1. VOC 数据集格式

VOC（Visual Object Classes）格式最早由 Pascal VOC Challenge 引入，广泛用于目标检测任务。VOC 数据集通常包含两个主要部分：

 图片（JPEG Images）：存储图像数据，通常为 .jpg 文件。

 标注（Annotations）：存储每张图片的目标信息，通常为 XML 文件。

VOC 格式的 XML 文件结构

每个图像的标注信息存储在一个 XML 文件中。XML 文件包含了图片的基本信息以及其中目标的位置信息。一个典型的 XML 文件如下所示：

<annotation>
  <folder>VOC2012</folder>
  <filename>000001.jpg</filename>
  <path>/path/to/000001.jpg</path>
  <source>
    <database>VOC2012</database>
  </source>
  <size>
    <width>500</width>
    <height>375</height>
    <depth>3</depth>
  </size>
  <segmented>0</segmented>
  <object>
    <name>cat</name>
    <pose>Unspecified</pose>
    <truncated>0</truncated>
    <difficult>0</difficult>
    <bndbox>
      <xmin>100</xmin>
      <ymin>150</ymin>
      <xmax>200</xmax>
      <ymax>250</ymax>
    </bndbox>
  </object>
</annotation>

  filename：图片文件名，例如 000001.jpg。

  path：图片的绝对路径。

  size：图像的尺寸，包括宽度 (width)、高度 (height) 和深度 (depth)。

  object：图像中的目标物体信息：

     name：目标的类别名称（如 cat）。

     bndbox：目标的边界框（bounding box），包括左上角 (xmin, ymin) 和右下角 (xmax, ymax) 坐标。

VOC 格式的一个关键点是每个目标都会有一个对应的 <object> 标签，包含了该目标的类别和边界框。

2. YOLO 数据集格式

YOLO（You Only Look Once）格式用于目标检测任务，在 YOLO 模型中，标签通常以 txt 文件的形式存储。每个图片对应一个 .txt 文件，其中存储了所有目标的类别和位置。YOLO 数据集格式非常简洁，通常用于与 YOLO 系列模型（如 YOLOv7、YOLOv8、YOLOv9 等）配合使用。

YOLO数据集格式包含图片和对应的txt文件

YOLO 格式的 txt 文件结构

YOLO 的标注文件是纯文本格式，文件的每一行表示一个目标，格式如下：

<class_id> <x_center> <y_center> <width> <height>

  class_id：目标的类别索引，从 0 开始。例如，0 代表类别1，1 代表类别2，依此类推。

  x_center, y_center：目标的中心点坐标，值是归一化的，即相对于图像宽度和高度的比例。例   如，如果图像的宽度为 500，则 x_center = 0.5 表示中心点位于图像的水平中点。

  width, height：目标框的宽度和高度，也归一化到图像的宽度和高度。例如，width = 0.2 表示目标宽度是图像宽度的 20%。

示例：

假设有一个图片的大小为 640x480，且其中有两个目标（一个猫，一个狗）。对应的 000001.txt 文件内容可能如下：

0 0.5 0.5 0.2 0.25
1 0.3 0.4 0.1 0.2

   第一行表示一个类 ID 为 0（比如 cat），它的中心点位于图像的中心，宽度和高度分别占图像宽度的 20% 和高度的 25%。

    第二行表示一个类 ID 为 1（比如 dog），它的中心点位于 (0.3, 0.4)，宽度和高度分别占图像宽度的 10% 和高度的 20%。

YOLO 格式的关键点是 归一化的目标位置和尺寸，通常所有的标注都存储在与图像同名的 .txt 文件中。

VOC 和 YOLO 格式的对比

特性	VOC 格式	YOLO 格式
文件类型	XML 格式	TXT 格式
存储信息	每个目标物体的类别、边界框坐标及图像基本信息	每个目标物体的类别和归一化的边界框位置
边界框格式	使用左上角和右下角坐标（xmin, ymin, xmax, ymax）	使用中心点坐标和宽度、高度（归一化的 x, y, w, h）
适用模型	常用于传统的检测模型，如 Faster R-CNN、SSD 等	主要用于 YOLO 模型
图片尺寸	不要求归一化	归一化到图像尺寸的比例

总结：

VOC格式：适用于大多数传统的目标检测框架，提供了详细的目标信息（如图像大小、目标的具体坐标等）。

YOLO格式：简洁，目标位置和大小是归一化的，适用于 YOLO 系列模型，便于高效处理和训练。

 在我们运行模型框架时，发现很多都是基于YOLO格式的代码，当我们用的数据集是VOC格式时，就不能成功运行。下面提供将VOC格式转换为YOLO格式的python代码。

import xml.etree.ElementTree as ET
import os, cv2
import numpy as np
from os import listdir
from os.path import join

classes = []

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(xmlpath, xmlname):
    with open(xmlpath, "r", encoding='utf-8') as in_file:
        txtname = xmlname[:-4] + '.txt'
        txtfile = os.path.join(txtpath, txtname)
        tree = ET.parse(in_file)
        root = tree.getroot()
        filename = root.find('filename')
        img = cv2.imdecode(np.fromfile('{}/{}.{}'.format(imgpath, xmlname[:-4], postfix), np.uint8), cv2.IMREAD_COLOR)
        h, w = img.shape[:2]
        res = []
        for obj in root.iter('object'):
            cls = obj.find('name').text
            if cls not in classes:
                classes.append(cls)
            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)
            res.append(str(cls_id) + " " + " ".join([str(a) for a in bb]))
        if len(res) != 0:
            with open(txtfile, 'w+') as f:
                f.write('\n'.join(res))


if __name__ == "__main__":
    postfix = 'jpg'
    imgpath = 'VOCdevkit/JPEGImages'
    xmlpath = 'VOCdevkit/Annotations'
    txtpath = 'VOCdevkit/txt'
    
    if not os.path.exists(txtpath):
        os.makedirs(txtpath, exist_ok=True)
    
    list = os.listdir(xmlpath)
    error_file_list = []
    for i in range(0, len(list)):
        try:
            path = os.path.join(xmlpath, list[i])
            if ('.xml' in path) or ('.XML' in path):
                convert_annotation(path, list[i])
                print(f'file {list[i]} convert success.')
            else:
                print(f'file {list[i]} is not xml format.')
        except Exception as e:
            print(f'file {list[i]} convert error.')
            print(f'error message:\n{e}')
            error_file_list.append(list[i])
    print(f'this file convert failure\n{error_file_list}')
    print(f'Dataset Classes:{classes}')

上面代码可以将对应的xml文件转换为txt文件。

注意：使用时要更改为自己的路径，上述代码为相对路径，为避免出错，可以改为绝对路径！！

希望对你有帮助，谢谢你的观看。