本文简述了目标检测xml格式标注的内容，以及yolo系列模型所需的txt格式标注的内容。并提供了一个简单的，可以将xml格式标注文件转换为txt格式标注文件的python脚本。   

1. xml格式文件内容

         <size>标签下为图片信息，包括 <width> 图片宽度，<height> 图片高度；

         <object>标签下为图片中每个目标的信息，包括 <name> 标注的目标类别名称，<xmin> 目标检测框横坐标最小值，<ymin>目标检测框纵坐标最小值，<xmax>目标检测框横坐标最大值，<ymax>目标检测框纵坐标最大值。

2. yolo系列模型需要的txt格式标注

    

其中，每行为图片中一个目标的相关信息，包含5个字段，分别为：

（1）类别编号（直接用名称会报错），名称转编号可参考如下脚本；

待补充

（2）图框中心点的相对横坐标x（即图框中心点横坐标/图片宽度）；

（3）图框中心点的相对纵坐标；

（4）图框相对宽度（即图框宽度/图片宽度）；

（5）图框相对高度。

3. 转换思路：

        对每一个xml文件进行解析，提取出图片的长宽。对每张图片，提取出每个目标的类别及其检测框定位点的坐标值。按照相应计算逻辑，计算出txt格式标注所需的信息，并输出保存为txt文件。

具体代码如下：

import os
import xml.etree.ElementTree as ET# xml文件路径
xml_path = "D:/dataset/yolo/Annotations_simple/test/"
# 生成的txt文件路径
txt_path = "D:/pycharm_project/deeplearn/datasets/labels/test2/"# 转换函数
def xml_to_txt(xml_path, txt_path):""":param xml_path: xml格式标注文件所在目录:param txt_path: 生成的txt格式标注文件所在目录"""# 读取文件夹下所有xml文件files = os.listdir(xml_path)files = [f for f in files if f.endswith(".xml")]for file in files:# 解析XML文件tree = ET.parse(xml_path + file)root = tree.getroot()# 获取图像宽度和高度size = root.find("size")w = int(size.find("width").text)h = int(size.find("height").text)# c = int(size.find("depth").text)# 遍历XML文件中的每个目标for obj in root.iter("object"):cls = obj.find("name").text    # 获取类别名称xmlbox = obj.find("bndbox")    # 获取每个目标检测框信息b = (float(xmlbox.find("xmin").text),float(xmlbox.find("xmax").text),float(xmlbox.find("ymin").text),float(xmlbox.find("ymax").text),)# 转换坐标，通过自行编写的convert函数转换成txt标注所需信息bb = convert((w, h), b)# 写入YOLO格式标注txt文件txt_file_name = file[:-4]+ ".txt"   # 生成的txt格式文件名，即将原文件名的 .xml 替换成 .txtwith open(txt_path + txt_file_name, "a") as f:f.write(f"{cls} {bb[0]} {bb[1]} {bb[2]} {bb[3]}\n")# xml标注信息转换成txt标注所需信息
def convert(size, box):"""将边界框坐标从VOC格式转换为YOLO格式size: 图片鹅宽高，格式为：(width,height)box: xlm文件目标检测框信息，格式为 (x_min,x_max,y_min,y_max)return: 返回txt标注所需信息，格式为 (x,y,w,h)，分别表示 检测框中心点的相对横坐标x（即检测框中心点横坐标/图片宽度），检测框中心点的相对纵坐标y，检测框框相对宽度（即检测框框宽度/图片宽度），检测框相对高度"""dw = 1. / size[0]dh = 1. / size[1]x = (box[0] + box[1]) / 2.0  ## 检测框中心点横坐标y = (box[2] + box[3]) / 2.0  ## 检测框中心点纵坐标w = box[1] - box[0]  ## 检测框高度h = box[3] - box[2]  ## 检测框宽度## 计算相应的相对值x = x * dww = w * dwy = y * dhh = h * dhreturn (x, y, w, h)# 执行转换函数
xml_to_txt(xml_path, txt_path)