实战指南：如何将anti-uav-rgbt数据集高效转换为YOLO格式标注

1次阅读

共计 2439 个字符，预计需要花费 7 分钟才能阅读完成。

anti-uav-rgbt 数据集是一个用于无人机检测的多光谱数据集，包含可见光（RGB）和红外（TIR）两种模态的图像数据。该数据集通常以 PASCAL VOC 格式或 COCO 格式提供标注，而 YOLO 系列模型训练需要特定的 txt 格式标注文件。

YOLO 格式要求每个图像对应一个同名的 txt 文件，每行表示一个目标物体，格式为：

< 类别索引 > < 中心 x 坐标 > < 中心 y 坐标 > < 宽度 > < 高度 >

其中坐标和尺寸都是相对于图像宽高的归一化值（0- 1 之间）。

在转换过程中，我们面临几个主要挑战：

坐标系统差异：原始标注可能是绝对坐标或不同归一化方式
类别映射：需要将原始类别 ID 转换为 YOLO 训练所需的索引
多模态处理：RGB 和 TIR 图像需要保持标注同步
文件结构重组：YOLO 要求特定的目录结构
大规模数据处理效率问题

解析原始标注文件（XML/JSON）
提取目标边界框和类别信息
坐标归一化转换
类别 ID 映射
生成 YOLO 格式 txt 文件
组织 YOLO 训练目录结构

坐标转换公式 ：

x_center = (xmin + xmax) / 2 / image_width
y_center = (ymin + ymax) / 2 / image_height
width = (xmax - xmin) / image_width
height = (ymax - ymin) / image_height

类别映射表 ：需要根据具体任务定义从原始类别到 YOLO 索引的映射关系
多光谱配对 ：确保 RGB 和 TIR 图像的标注文件一致

import os
import xml.etree.ElementTree as ET
from tqdm import tqdm

# 配置参数
VOC_ANNOTATIONS_DIR = "./annotations"
YOLO_LABELS_DIR = "./labels"
IMAGE_WIDTH = 640  # 根据实际图像尺寸调整
IMAGE_HEIGHT = 512
CLASS_MAPPING = {"drone": 0}  # 示例类别映射

# 确保输出目录存在
os.makedirs(YOLO_LABELS_DIR, exist_ok=True)

# 遍历所有 VOC 格式的 XML 标注文件
for xml_file in tqdm(os.listdir(VOC_ANNOTATIONS_DIR)):
    if not xml_file.endswith('.xml'):
        continue

    # 解析 XML 文件
    tree = ET.parse(os.path.join(VOC_ANNOTATIONS_DIR, xml_file))
    root = tree.getroot()

    # 准备 YOLO 格式内容
    yolo_lines = []

    # 遍历所有目标对象
    for obj in root.findall('object'):
        class_name = obj.find('name').text
        if class_name not in CLASS_MAPPING:
            continue

        # 获取边界框坐标
        bbox = obj.find('bndbox')
        xmin = float(bbox.find('xmin').text)
        ymin = float(bbox.find('ymin').text)
        xmax = float(bbox.find('xmax').text)
        ymax = float(bbox.find('ymax').text)

        # 坐标转换
        x_center = ((xmin + xmax) / 2) / IMAGE_WIDTH
        y_center = ((ymin + ymax) / 2) / IMAGE_HEIGHT
        width = (xmax - xmin) / IMAGE_WIDTH
        height = (ymax - ymin) / IMAGE_HEIGHT

        # 确保坐标在 0 - 1 范围内
        x_center = max(0, min(1, x_center))
        y_center = max(0, min(1, y_center))
        width = max(0, min(1, width))
        height = max(0, min(1, height))

        # 添加到 YOLO 格式内容
        yolo_lines.append(f"{CLASS_MAPPING[class_name]} {x_center} {y_center} {width} {height}\n")

    # 写入 YOLO 格式文件
    if yolo_lines:
        txt_filename = os.path.splitext(xml_file)[0] + '.txt'
        with open(os.path.join(YOLO_LABELS_DIR, txt_filename), 'w') as f:
            f.writelines(yolo_lines)