ターゲット検出yoloタグ全自動生成(voc_label.pyプログラム修正)

最近、多くのターゲット検出関連のタスクが行われています.タスクは、お客様が自分でマークしたxmlフォーマットである場合があります.yolov 3で使用するtxtフォーマット、すなわち、1行にカテゴリ情報と位置情報を含むモードに変換する必要があります.この変換は、通常、公式のvoc_を使用します.Label.pyというプログラムが完了しました.まずxmlの寸法フォーマットを見てみましょう.(よく知っているのは直接後ろにジャンプすることができます)

<annotation>
	<folder>ZeHe</folder>
	<filename>18.PNG</filename>
	<path>D:\dongwu\ZeHe\18.PNG</path>
	<source>
		<database>Unknown</database>
	</source>
	<size>
		<width>2448</width>
		<height>2048</height>
		<depth>1</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>snake</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>762</xmin>
			<ymin>994</ymin>
			<xmax>1107</xmax>
			<ymax>1313</ymax>
		</bndbox>
	</object>
	<object>
		<name>black horse</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>1603</xmin>
			<ymin>815</ymin>
			<xmax>1869</xmax>
			<ymax>1307</ymax>
		</bndbox>
	</object>
</annotation>

yolov 3で使用するtxt形式の寸法データを見てみましょう

5 0.38133169934640526 0.562744140625 0.1409313725490196 0.15576171875
2 0.7087418300653595 0.517578125 0.10866013071895425 0.240234375

次は2つのデータフォーマットの公式変換コードvoc_です.label.py

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

sets=[('2012', 'train'), ('2012', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007', 'test')]

####################################################################
#          xml        ，                   #
####################################################################
classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]

#             ，               ，
#                                   ，
#        resize           
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)
#     xml               txt     ，
#        classes               txt
def convert_annotation(year, image_id):
    in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id))
    out_file = open('VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id), 'w')
    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').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult)==1:
            continue
        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)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '
')

wd = getcwd()

for year, image_set in sets:
    if not os.path.exists('VOCdevkit/VOC%s/labels/'%(year)):
        os.makedirs('VOCdevkit/VOC%s/labels/'%(year))
    image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()
    list_file = open('%s_%s.txt'%(year, image_set), 'w')
    for image_id in image_ids:
        list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg
'%(wd, year, image_id))
        convert_annotation(year, image_id)
    list_file.close()

os.system("cat 2007_train.txt 2007_val.txt 2012_train.txt 2012_val.txt > train.txt")
os.system("cat 2007_train.txt 2007_val.txt 2007_test.txt 2012_train.txt 2012_val.txt > train.all.txt")

以上は公式コードの解析ですが、シロ以外は無視できます!以上のコードの1つは、classes値、つまり、このデータの寸法名が何であるかを事前に知る必要がある手動で変更する必要があります.しかし、あなたが知らないクラスの寸法データを手に入れることがあるかもしれません.あるいは、単純に書き換えたくないかもしれません.修正すると、xml寸法を自動的に読み取り、classesに自動的にインポートすることができます.手動で修正する必要がある部分を減らして、コードを追加します.

classes = []  #  classes    
def gen_classes(year, image_id):

    #       xml    
    in_file = open('VOCdevkit-car/VOC%s/Annotations/%s.xml'%(year, image_id))
    tree = ET.parse(in_file)
    root = tree.getroot()
    #   xml  object   
    for obj in root.iter('object'):
    #  xml  ”name“        cls_name，name            
        cls_name = obj.find('name').text
        #               cls_name      ，     
        if cls_name in classes:
            pass
        else:
            classes.append(cls_name)
            print("classes name is :", classes)
    return classes

完全なコードは次のとおりです.

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

sets=[ ('2007', 'train'), ('2007', 'val'), ('2007', 'test')]


classes = []
def gen_classes(year, image_id):

    in_file = open('VOCdevkit-car/VOC%s/Annotations/%s.xml'%(year, image_id))
    tree = ET.parse(in_file)
    root = tree.getroot()
    
    for obj in root.iter('object'):
        cls_name = obj.find('name').text
        if cls_name in classes:
            pass
        else:
            classes.append(cls_name)
            print("classes name is :", classes)
    return 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(year, image_id):
    in_file = open('VOCdevkit-car/VOC%s/Annotations/%s.xml'%(year, image_id))
    out_file = open('VOCdevkit-car/VOC%s/labels/%s.txt'%(year, image_id), 'w')
    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').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult)==1:
            continue
        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)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '
')

wd = getcwd()

for year, image_set in sets:
    if not os.path.exists('VOCdevkit-car/VOC%s/labels/'%(year)):
        os.makedirs('VOCdevkit-car/VOC%s/labels/'%(year))
    image_ids = open('VOCdevkit-car/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()
    list_file = open('%s_%s.txt'%(year, image_set), 'w')
    for image_id in image_ids:
        list_file.write('%s/VOCdevkit-car/VOC%s/JPEGImages/%s.jpg
'%(wd, year, image_id))
        gen_classes(year, image_id)
        convert_annotation(year, image_id)
    list_file.close()

#os.system("cat 2007_train.txt 2007_val.txt 2012_train.txt 2012_val.txt > train.txt")
#os.system("cat 2007_train.txt 2007_val.txt 2007_test.txt 2012_train.txt 2012_val.txt > train.all.txt")