labelimg使用以及xml和txt转化

labelimg使用以及xml和txt转化"/>

labelimg使用以及xml和txt转化

一、使用

win+r——输入cmd

激活已有的环境

conda activate torch1.2.0

下载lebelme

pip install labelme==3.16.7 

再输入labelme打开软件就可 

可以设置自动保存，View——auto save mode打上勾

 二、注意

1.自己类的定义名称，在txt中是0，1，2表示，在xml中用写的比如dog等

2.原始图像需要是jpg24位深格式（具体参考本人另一篇这个格式调整问题）

labelme制作自己数据集以及图片格式问题_labelme数据格式_彩色面团儿的博客-CSDN博客

3.注意要求是voc的xml格式，还是txt格式，默认xml格式，如果标记完了发现要txt，后面会分享代码一键修改

三、xml转txt

xml内容

对应转成txt样式

#需要修改类别名和XML路径和输出的txt文件路径import xml.etree.ElementTree as ET
import os
# 类别
CLASSES=["dog", "cat", "leaf"]
# xml文件路径
xml_input="D:/2_label/label/"
def convert(size,box):# 将bbox的左上角点，右下角点坐标的格式，转换为bbox中心点+bbox的W,H的格式，并进行归一化dw=1./size[0]dh=1./size[1]x=(box[0]+box[1])/2.0y=(box[2]+box[3])/2.0w=box[1]-box[0]h=box[3]-box[2]x=x*dww=w*dwy=y*dhh=h*dhreturn (x,y,w,h)
def convert_annotation(image_id):# 把图像image_id的xml文件转换为目标检测的label文件(txt)# 其中包含物体的类别cls,bbox的中心点坐标,以及bbox的W,H# 并将四个物理量归一化in_file=open(xml_input+image_id,'r',encoding='utf-8')image_id=image_id.split(".")[0]print(image_id)out_file=open("D:/2_label/label_txt/%s.txt"%(image_id),"w")#print(in_file)tree = ET.parse(in_file)root = tree.getroot()size = root.find("size")w = int(size.find("width").text)h = int(size.find("height").text)for obj in root.iter("object"):#difficult = obj.find("difficult").textdifficult = 0;#print(difficult)obj_cls=obj.find("name").textif obj_cls not in CLASSES or int(difficult)==1:continuecls_id=CLASSES.index(obj_cls)xmlbox=obj.find("bndbox")points=(float(xmlbox.find("xmin").text),float(xmlbox.find("xmax").text),float(xmlbox.find("ymin").text),float(xmlbox.find("ymax").text))bb=convert((w,h),points)out_file.write(str(cls_id)+" "+" ".join([str(a) for a in bb])+"\n")
def make_label_txt():# labels文件夹下创建image_id.txt# 对应每个image_id.xml提取出的bbox信息filenames = os.listdir(xml_input)#print(filenames)for file in filenames:# print(file)convert_annotation(file)if __name__=="__main__":# 开始提取和转换make_label_txt()