MENU

labelme格式转VOC2007数据集格式

October 25, 2018 • Read: 8447 • 目标检测阅读设置

labelme 标注矩形检测数据格式转 VOC 数据集格式

声明:本文章仅因个人工作学习过程中需要频繁转换格式,手写了转换代码,方便个人使用,开源只为有需要的人提供方便。如有疑问请联系:zhuchaojie@buaa.edu.cn

目标检测开源工具 labelme:Labelme

针对检测标注数据:(矩形框)

1. labelme 数据格式

注:如果图片格式不是 .jpg 请修改

  • data

    • 00001.jpg
    • 00001.json
    • 00002.jpg
    • 00002.json

2. VOC2007数据格式


  • VOC2007/

    • Annotations/
    • JPEGImages/
    • ImageSets/

      • Main/

        • train.txt
        • val.txt
        • trainval.txt
        • test.txt

3. 转换代码

import os
import numpy as np
import codecs
import json
from glob import glob
import cv2
import shutil
from sklearn.model_selection import train_test_split
#1.标签路径
labelme_path = "./labelme/"              #原始labelme标注数据路径
saved_path = "./VOC2007/"                #保存路径

#2.创建要求文件夹
if not os.path.exists(saved_path + "Annotations"):
    os.makedirs(saved_path + "Annotations")
if not os.path.exists(saved_path + "JPEGImages/"):
    os.makedirs(saved_path + "JPEGImages/")
if not os.path.exists(saved_path + "ImageSets/Main/"):
    os.makedirs(saved_path + "ImageSets/Main/")
    
#3.获取待处理文件
files = glob(labelme_path + "*.json")
files = [i.split("/")[-1].split(".json")[0] for i in files]

#4.读取标注信息并写入 xml
for json_file_ in files:
    json_filename = labelme_path + json_file_ + ".json"
    json_file = json.load(open(json_filename,"r",encoding="utf-8"))
    height, width, channels = cv2.imread(labelme_path + json_file_ +".jpg").shape
    with codecs.open(saved_path + "Annotations/"+json_file_ + ".xml","w","utf-8") as xml:
        xml.write('<annotation>\n')
        xml.write('\t<folder>' + 'UAV_data' + '</folder>\n')
        xml.write('\t<filename>' + json_file_ + ".jpg" + '</filename>\n')
        xml.write('\t<source>\n')
        xml.write('\t\t<database>The UAV autolanding</database>\n')
        xml.write('\t\t<annotation>UAV AutoLanding</annotation>\n')
        xml.write('\t\t<image>flickr</image>\n')
        xml.write('\t\t<flickrid>NULL</flickrid>\n')
        xml.write('\t</source>\n')
        xml.write('\t<owner>\n')
        xml.write('\t\t<flickrid>NULL</flickrid>\n')
        xml.write('\t\t<name>ChaojieZhu</name>\n')
        xml.write('\t</owner>\n')
        xml.write('\t<size>\n')
        xml.write('\t\t<width>'+ str(width) + '</width>\n')
        xml.write('\t\t<height>'+ str(height) + '</height>\n')
        xml.write('\t\t<depth>' + str(channels) + '</depth>\n')
        xml.write('\t</size>\n')
        xml.write('\t\t<segmented>0</segmented>\n')
        for multi in json_file["shapes"]:
            points = np.array(multi["points"])
            xmin = min(points[:,0])
            xmax = max(points[:,0])
            ymin = min(points[:,1])
            ymax = max(points[:,1])
            label = multi["label"]
            if xmax <= xmin:
                pass
            elif ymax <= ymin:
                pass
            else:
                xml.write('\t<object>\n')
                xml.write('\t\t<name>'+"bubble"+'</name>\n')
                xml.write('\t\t<pose>Unspecified</pose>\n')
                xml.write('\t\t<truncated>1</truncated>\n')
                xml.write('\t\t<difficult>0</difficult>\n')
                xml.write('\t\t<bndbox>\n')
                xml.write('\t\t\t<xmin>' + str(xmin) + '</xmin>\n')
                xml.write('\t\t\t<ymin>' + str(ymin) + '</ymin>\n')
                xml.write('\t\t\t<xmax>' + str(xmax) + '</xmax>\n')
                xml.write('\t\t\t<ymax>' + str(ymax) + '</ymax>\n')
                xml.write('\t\t</bndbox>\n')
                xml.write('\t</object>\n')
                print(json_filename,xmin,ymin,xmax,ymax,label)
        xml.write('</annotation>')
        
#5.复制图片到 VOC2007/JPEGImages/下
image_files = glob(labelme_path + "*.jpg")
print("copy image files to VOC007/JPEGImages/")
for image in image_files:
    shutil.copy(image,saved_path +"JPEGImages/")
    
#6.split files for txt
txtsavepath = saved_path + "ImageSets/Main/"
ftrainval = open(txtsavepath+'/trainval.txt', 'w')
ftest = open(txtsavepath+'/test.txt', 'w')
ftrain = open(txtsavepath+'/train.txt', 'w')
fval = open(txtsavepath+'/val.txt', 'w')
total_files = glob("./VOC2007/Annotations/*.xml")
total_files = [i.split("/")[-1].split(".xml")[0] for i in total_files]
#test_filepath = ""
for file in total_files:
    ftrainval.write(file + "\n")
#test
#for file in os.listdir(test_filepath):
#    ftest.write(file.split(".jpg")[0] + "\n")
#split
train_files,val_files = train_test_split(total_files,test_size=0.15,random_state=42)
#train
for file in train_files:
    ftrain.write(file + "\n")
#val
for file in val_files:
    fval.write(file + "\n")

ftrainval.close()
ftrain.close()
fval.close()
#ftest.close()

注:

  1. 训练集和验证集的划分方法是采用 sklearn.model_selection.train_test_split 进行分割的。
  2. 默认图片格式 .jpg,如果图片格式有变化,请自行修改代码中的 .jpg 名称。
  3. 默认不添加测试集,如果有需要,自行解开注释即可。

TODO

  1. labelme 转 coco
  2. voc 转 coco
  3. coco 转 voc
  4. 分割任务
Last Modified: January 7, 2019
Archives Tip
QR Code for this page
Tipping QR Code
Leave a Comment

13 Comments
  1. 您好! 您好!

    ValueError: With n_samples=0, test_size=0.15 and train_size=None, the resulting train set will be empty. Adjust any of the aforementioned parameters

    博主,您好!我运行代码后能成功创建文件夹,但会报上面这个错,您知道为啥吗?十分感谢您的解答!

    1. @您好!这种一般是某个类别的数量较少

    2. @您好!嘿,兄弟,你的问题解决了没?我也 遇到了同样的问题。

    3. 啊哈呀123 啊哈呀123

      @spytensor博主,你好,我也遇到了这个问题,我的类别一个是200张,一个是300张,请问如何解决呀

    4. @啊哈呀123这个我这边没遇到过,建议谷歌一下或者百度一下

  2. 你好,想问一下,这个代码是不是只能解决在labelme中标注时只有标准的矩形情况。

    1. @朱同学是的,因为这些都是做的目标检测,对于分割的暂时还没做,另外如果图像中没有目标的话,一般这种图不做训练。

    2. @spytensor谢谢博主

  3. 呆呆 呆呆

    博主您好,我在运行代码后能成功创建文件夹,但文件夹内为空,标注的图片和.json都以000001.jpg,000001.json...这样的格式命名,也没有报错,希望能够得到您的帮助,非常感谢!

    1. @呆呆如果图片名和json名对应上的话应该不会出问题,你这种情况我也没遇到过,你debug一下看看是不是没有读取到标注。

    2. 呆呆 呆呆

      @spytensor好的,谢谢啦

  4. 小鱼 小鱼

    博主,您好!能不能请教一下如果标注是多边形框应该怎么将json文件转换成xml文件呢?

  5. 啊哈呀123 啊哈呀123

    ValueError: With n_samples=0, test_size=0.15 and train_size=None, the resulting train set will be empty. Adjust any of the aforementioned parameters
    博主,您好,出现这样的错误如何解决呀