如何将YOLO格式的.txt标注文件转换为PASCAL VOC格式的.xml文件?
YOLO标注批量转PASCAL VOC实现思路
首先明确两种格式的核心差异:
- YOLO格式.txt:每个标注文件对应一张图片,每行标注为
类别id 归一化中心点x 归一化中心点y 归一化框宽 归一化框高,所有坐标都是相对于原图宽高的0-1范围值 - PASCAL VOC格式.xml:每个标注文件对应一张图片,存储图片的路径、尺寸、通道数,以及每个标注框的绝对坐标(xmin/ymin/xmax/ymax)、类别名称等结构化信息
前置准备
你需要先准备两个基础信息:
- 数据集的类别列表,按id顺序排列所有类别名(和你训练YOLO时用的.names文件内容完全一致)
- 确保图片和YOLO标注文件一一对应,文件名除后缀外完全相同
批量转换实现步骤
- 遍历图片文件夹,逐个读取图片获取每张图的实际宽度、高度、通道数,如果你已经提前存了所有图片的尺寸信息,可以跳过读图片步骤直接调用尺寸值,转换速度会更快
- 读取对应同名的YOLO标注.txt文件,逐行解析每个标注框的归一化参数
- 把归一化坐标转换为VOC需要的绝对坐标:
- 绝对中心点x = 归一化x * 原图宽度
- 绝对中心点y = 归一化y * 原图高度
- 绝对框宽 = 归一化width * 原图宽度
- 绝对框高 = 归一化height * 原图高度
- 计算四个边界坐标:
- xmin = 绝对中心点x - 绝对框宽/2,取整,且保证不小于0
- ymin = 绝对中心点y - 绝对框高/2,取整,且保证不小于0
- xmax = 绝对中心点x + 绝对框宽/2,取整,且保证不超过原图宽度
- ymax = 绝对中心点y + 绝对框高/2,取整,且保证不超过原图高度
- 按照VOC的xml固定模板,把图片信息、所有标注框的坐标和类别名填充进去
- 把拼接完成的xml内容写入对应文件名的.xml文件,保存到指定输出文件夹即可
核心代码示例(Python)
修改路径参数后可直接运行:
import os import cv2 from xml.etree.ElementTree import Element, SubElement, ElementTree # 以下参数替换为你自己的对应内容 classes = ['类别1', '类别2', '类别3'] # 按YOLO类别id顺序填写所有类别名 img_folder = './images' # 图片存放路径 yolo_label_folder = './labels' # YOLO标注txt存放路径 voc_output_folder = './voc_labels' # 转换后xml的输出路径 os.makedirs(voc_output_folder, exist_ok=True) for img_name in os.listdir(img_folder): # 过滤非图片文件 if not img_name.lower().endswith(('.png', '.jpg', '.jpeg', '.bmp')): continue # 读取图片获取尺寸 img_path = os.path.join(img_folder, img_name) img = cv2.imread(img_path) h, w, c = img.shape # 匹配对应YOLO标注文件 txt_name = os.path.splitext(img_name)[0] + '.txt' txt_path = os.path.join(yolo_label_folder, txt_name) if not os.path.exists(txt_path): continue # 无标注的图片直接跳过,可按需调整逻辑 # 构建VOC xml基础结构 root = Element('annotation') SubElement(root, 'folder').text = os.path.basename(img_folder) SubElement(root, 'filename').text = img_name SubElement(root, 'path').text = img_path size = SubElement(root, 'size') SubElement(size, 'width').text = str(w) SubElement(size, 'height').text = str(h) SubElement(size, 'depth').text = str(c) SubElement(root, 'segmented').text = '0' # 解析YOLO标注并填充到xml with open(txt_path, 'r', encoding='utf-8') as f: lines = f.readlines() for line in lines: line = line.strip().split() if len(line) != 5: continue cls_id, x_center, y_center, box_w, box_h = map(float, line) cls_id = int(cls_id) # 坐标转换 x_center = x_center * w y_center = y_center * h box_w = box_w * w box_h = box_h * h xmin = int(max(0, x_center - box_w / 2)) ymin = int(max(0, y_center - box_h / 2)) xmax = int(min(w, x_center + box_w / 2)) ymax = int(min(h, y_center + box_h / 2)) # 新增标注目标节点 obj = SubElement(root, 'object') SubElement(obj, 'name').text = classes[cls_id] SubElement(obj, 'pose').text = 'Unspecified' SubElement(obj, 'truncated').text = '0' SubElement(obj, 'difficult').text = '0' bndbox = SubElement(obj, 'bndbox') SubElement(bndbox, 'xmin').text = str(xmin) SubElement(bndbox, 'ymin').text = str(ymin) SubElement(bndbox, 'xmax').text = str(xmax) SubElement(bndbox, 'ymax').text = str(ymax) # 保存xml文件 xml_name = os.path.splitext(img_name)[0] + '.xml' xml_path = os.path.join(voc_output_folder, xml_name) tree = ElementTree(root) tree.write(xml_path, encoding='utf-8')
验证建议
转换完成后随机抽取3-5张图片,分别读取YOLO标注和生成的VOC标注在图上画框,确认坐标转换完全正确后再全量用于SSD训练即可。
内容的提问来源于stack exchange,提问作者marita
相关产品推荐
相关产品推荐

