如何使用Python将自定义JSON标注转换为YOLO系列所需的txt标注文件

前置说明 #

本实现仅依赖Python标准库，无需额外安装第三方包，可直接处理10万级样本的标注转换，124MB的JSON文件可一次性加载无压力。

转换代码 #

import json
import os

# 配置项，可根据实际情况修改
CONFIG = {
    # 类别映射表
    "class_map": {
        "car": 0,
        "truck": 1,
        "bus": 2,
        "etc vehicle": 3,
        "bike": 4,
        "person": 5
    },
    # 图像固定尺寸
    "img_width": 1920,
    "img_height": 1080,
    # 输入JSON标注文件路径
    "input_json_path": "./annotations.json",
    # 输出YOLO标注txt的存储目录
    "output_txt_dir": "./yolo_labels"
}

def main():
    # 创建输出目录，不存在则自动生成
    os.makedirs(CONFIG["output_txt_dir"], exist_ok=True)
    
    # 加载JSON标注文件
    with open(CONFIG["input_json_path"], "r", encoding="utf-8") as f:
        ann_data = json.load(f)
    annotations = ann_data["annotations"]
    
    # 遍历每张图像的标注
    for ann in annotations:
        # 生成对应txt文件名：替换.jpg后缀为.txt
        img_filename = ann["file_name"]
        txt_filename = os.path.splitext(img_filename)[0] + ".txt"
        txt_save_path = os.path.join(CONFIG["output_txt_dir"], txt_filename)
        
        # 生成单张图的所有标注行
        label_lines = []
        for obj in ann["objects"]:
            cls_name = obj["class"]
            # 跳过不在类别映射里的目标，可根据需求调整逻辑
            if cls_name not in CONFIG["class_map"]:
                continue
            cls_id = CONFIG["class_map"][cls_name]
            xmin, ymin, xmax, ymax = obj["position"]
            
            # 按规则计算归一化参数
            cx = (xmin + xmax) / 2 / CONFIG["img_width"]
            cy = (ymin + ymax) / 2 / CONFIG["img_height"]
            w = (xmax - xmin) / CONFIG["img_width"]
            h = (ymax - ymin) / CONFIG["img_height"]
            
            # 拼接标注行，保留9位小数和示例格式对齐
            line = f"{cls_id} {cx:.9f} {cy:.9f} {w:.9f} {h:.9f}"
            label_lines.append(line)
        
        # 写入txt文件，无目标的图像会生成空txt，符合YOLO训练要求
        with open(txt_save_path, "w", encoding="utf-8") as f:
            f.write("\n".join(label_lines))

if __name__ == "__main__":
    main()

可选优化（按需使用） #

如果需要查看转换进度，可以安装tqdm库后修改遍历部分的代码：

• 先安装依赖：pip install tqdm
• 导入库：在代码开头添加from tqdm import tqdm
• 将遍历代码for ann in annotations:修改为for ann in tqdm(annotations, desc="转换进度"):

验证说明 #

转换完成后可随机抽取几个txt文件和示例对比，确认数值计算、类别映射、命名规则符合要求后再用于训练。

内容的提问来源于stack exchange，提问作者한주형