YOLOV5---自己数据集制作

在网上找了一大圈YOLOV5数据集的制作，都没有合适的，不是流程太复杂就是给出的代码有问题。所以我在这里记录一下YOLOV5数据集简单的制作过程。

首先一共要准备4样东西：

准备材料

• Annotations

  这里是标注信息，我用的是labelimg。

  

  Annotations内容

• images

  存放了标注的图像，最好都是jpg格式的。

  

  images内容

• split_train_val.py

# coding:utf-8
 
import os
import random
import argparse
 
parser = argparse.ArgumentParser()
#xml文件的地址，根据自己的数据进行修改 xml一般存放在Annotations下
parser.add_argument('--xml_path', default=r'Annotations', type=str, help='input xml label path')
#数据集的划分，没有这个文件夹的话，程序会自动创建
parser.add_argument('--txt_path', default=r'ImageSets', type=str, help='output txt label path')
opt = parser.parse_args()
 
trainval_percent = 1.0
train_percent = 0.9
xmlfilepath = opt.xml_path
txtsavepath = opt.txt_path
total_xml = os.listdir(xmlfilepath)
if not os.path.exists(txtsavepath):
    os.makedirs(txtsavepath)
 
num = len(total_xml)
list_index = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list_index, tv)
train = random.sample(trainval, tr)
 
file_train = open(txtsavepath + '/train.txt', 'w')
file_val = open(txtsavepath + '/val.txt', 'w')
 
for i in list_index:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        if i in train:
            file_train.write(name)
        else:
            file_val.write(name)
file_train.close()
file_val.close()

• voc_label.py

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
 
sets = ['train', 'val']
 
classes = ["car", "person"]  #根据自己的项目改
 
 
def convert(size, box):
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0
    y = (box[2] + box[3]) / 2.0
    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(image_id):
    in_file = open(r'Annotations/%s.xml' % (image_id), 'r', encoding="UTF-8")
    out_file = open(r'labels/%s.txt' % (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]) + '\n')
 
 
wd = getcwd()
print(wd)
for image_set in sets:
    if not os.path.exists('labels/'):
        os.makedirs('labels/')
    image_ids = open(r'ImageSets/%s.txt' % (image_set)).read().strip().split()
    list_file = open(r'%s.txt' % (image_set), 'w')
    for image_id in image_ids:
        list_file.write(r'C:/F/cardata/images/%s.jpg' % (image_id))   #写入绝对路径
        list_file.write('\n')
        convert_annotation(image_id)
    list_file.close()
 

然后依次运行split_train_val.py和voc_label.py就行。
注意：唯一2处需要改的就是voc_label.py我写了注释的地方。