VOC/YOLO/COCO数据集格式转换及LabelImg/Labelme/精灵标注助手Colabeler标注工具介绍

数据集格式：VOC(xml)、YOLO(txt)、COCO(json)
本文主要对

Label格式

，以及

LabelImg、Labelme、精灵标注助手Colabeler

这常用的三种数据标注软件进行介绍。

1 Label格式

LabelImg是目标检测数据标注工具，可以标注标注两种格式：

VOC标签格式，标注的标签存储在xml文件
YOLO标签格式，标注的标签存储在txt文件中
COCO标签格式，标注的标签存储在json文件中

打开LabelImg后
我们在要标定数据的时候，一般是已经制定好了要标注物体的类别，这样在打开LabelImg之后，我们只要框定目标之后，选择要对应的标签即可。

labelimg JPEGImage predefined_classes.txt

说明：

JPEGImage 目录：存储的是图片的名字

Annotation 目录：用于存放标注图片的标签文件

predefined_classes.txt 文件：定义自己要标注的所有类别

predefined_classes.txt中定义的类别如下：

circle_red
circle_gray
rectangle_red
rectangle_gray
fingeprint_red
fingeprint_gray
other

执行命令，然后选择JPEGImage待标注图片数据文件夹，然后点选择文件夹，进行标注。

1.1 VOC数据格式(xml)

VOC数据集20分类。
VOC数据格式，会直接把

每张图片标注的标签信息

保存到一个

xml文件

中。
xml中标签格式：

<annotation>
    图片的名字及基本信息
    <folder>JPEGImage</folder><filename>000000.jpg</filename><path>D:\ZF\2_ZF_data\3_stamp_data\标注公章数据\JPEGImage\000000.jpg</path><source><database>Unknown</database></source><size><width>500</width><height>402</height><depth>3</depth></size><segmented>0</segmented>
    
    每个目标的标定框坐标：即左上角的坐标和右下角的坐标
    xmin
    ymin
    xmax
    ymax
    <object><name>circle_red</name><pose>Unspecified</pose><truncated>0</truncated><difficult>0</difficult><bndbox><xmin>168</xmin><ymin>2</ymin><xmax>355</xmax><ymax>186</ymax></bndbox></object>
    
    如果此图还有其他物体，重复<object></object></annotation>

1.2 YOLO数据格式(txt)

YOLO数据格式，会直接把

每张图片标注的标签信息

保存到一个

txt文件

中，同时会生成一个

实际类别文件classes.txt

，也

保存到Annotation/classes.txt

，用于实际标签与类别数字的对应。
txt中标签格式：

每一行代表标注的一个目标：5个数字分别是 class_num x y w h
0 0.521000 0.235075 0.362000 0.450249
0 0.213000 0.645522 0.418000 0.519900
0 0.794000 0.665423 0.376000 0.470149

第一个数表示 类别，数字0对应classes.txt中的第一个类circle_red，标注框的中心坐标(x,y),标注框的相对宽和高w,h。

实际类别文件classes.txt如下：

circle_red
circle_gray
rectangle_red
rectangle_gray
fingeprint_red
fingeprint_gray
other

1.3 COCO数据集格式(json)

COCO数据集80分类。
COCO数据集标注信息本身使用

json文件存储(一个大的字典)

，其中又包含

5个字段信息：info, licenses, images, annotations，categories

，

每个字段中又分为多个字典存储各自的信息

，在实际中，‘info’ 和‘license’一般用不上，我们可以把它置空；COCO目标检测的标注信息中，

box坐标信息是以x,y,w,h格式标注的

，是GT框的左上角坐标(xmin, ymin)和宽高(width, height)，和YOLO格式的标注信息有所不同。

image字段

是包含多个image实例的列表，每一个image的实例是一个dict，其中最重要的是id字段，代表的是图片的id，每一张图片具有唯一的一个独特的id；width和height字段，代表的是图片的宽和高；file_name字段，代表的是图片的名字。

annotations字段

是包含多个annotation实例的一个列表，annotation类型本身又包含了一系列的字段，如这个目标的category id和segmentation mask。segmentation格式取决于这个实例是一个单个的对象（即iscrowd=0，将使用polygons格式）还是一组对象（即iscrowd=1，将使用RLE格式）。

           id字段：指的是这个annotation的一个id
         image_id：等同于前面image字段里面的id。
         category_id：类别id
         segmentation：
         area：标注区域面积
         bbox：标注框，x,y为标注框的左上角坐标。
         iscrowd：决定是RLE格式还是polygon格式。

categories字段是包含多个category实例的列表，而category结构体描述如下：

          id：类别id
         name：类别名字
         supercatgory：

categories字段的id数，就是类别数。coco一共有80类，即id会递增到80。

1.4 VOC(XML)转换YOLO(TXT)

xml格式的标注信息中，box坐标信息是以(x,y)(x,y)格式标注的，也就是GroundTrueth框的左上角坐标(xmin, ymin)和右下角坐标(xmax, ymax)；

txt格式的标注信息中，GT框坐标信息是以x,y,w,h格式标注的，也就是GT框的归一化中心点坐标(x, y)和归一化宽高(width, height)。

STEP1:

maketxt.py

，将原数据集划分为train、val和test三部分，其中train+val(组合成trainval部分)占总数据集90%，test部分占10%，train部分有占trainval部分的90%，因此，train: val: test = 8: 1: 1。

-import os
import random

'''
对图片数据集进行随机分类
以8: 1: 1的比例分为训练数据集，验证数据集和测试数据集
运行后在ImageSets文件夹中会出现四个文件
'''
ROOT ='../datasets/Fruit/'
trainval_percent =0.9
train_percent =0.9
xmlfilepath = ROOT +'Annotations'
txtsavepath = ROOT +'ImageSets'# 获取该路径下所有文件的名称，存放在list中
total_xml = os.listdir(xmlfilepath)

num =len(total_xml)list=range(num)
tv =int(num * trainval_percent)
tr =int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval =open(ROOT +'ImageSets/trainval.txt','w')
ftest =open(ROOT +'ImageSets/test.txt','w')
ftrain =open(ROOT +'ImageSets/train.txt','w')
fval =open(ROOT +'ImageSets/val.txt','w')for i inlist:# 获取文件名称中.xml之前的序号
    name = total_xml[i][:-4]+'\n'if i in trainval:
        ftrainval.write(name)if i in train:
            ftrain.write(name)else:
            fval.write(name)else:
        ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

执行结果：

|——-Fruit
    |---Annotations
        |---001.xml
        |---002.xml
        ... ...
        |---340.xml
    |---images
        |---001.jpg
        |---002.jpg
        ... ...
        |---340.jpg
    |---ImageSets
        |---test.txt  # 存放测试集图片名称
        |---train.txt  # 存放训练集图片名称
        |---trainval.txt  # 存放训练验证集图片名称
        |---val.txt  # 存放验证集图片名称

STEP2：

voc2txt.py

，将xml文件转化为txt文件，xml文件包含了对应的GT框以及图片长宽大小等信息，通过对其解析，并进行归一化最终读到txt文件中，同时生成train、val和test数据集中图片的绝对路径，用于索引到图片位置。

import xml.etree.ElementTree as ET  # xml解析包import os

sets =['train','test','val']
classes =['apple','banana','grape']# 进行归一化操作defconvert(size, box):# size:(原图w,原图h) , box:(xmin,xmax,ymin,ymax)
    dw =1./ size[0]# 1/w
    dh =1./ size[1]# 1/h
    x =(box[0]+ box[1])/2.0# 物体在图中的中心点x坐标
    y =(box[2]+ box[3])/2.0# 物体在图中的中心点y坐标
    w = box[1]- box[0]# 物体实际像素宽度
    h = box[3]- box[2]# 物体实际像素高度
    x = x * dw  # 物体中心点x的坐标比(相当于 x/原图w)
    w = w * dw  # 物体宽度的宽度比(相当于 w/原图w)
    y = y * dh  # 物体中心点y的坐标比(相当于 y/原图h)
    h = h * dh  # 物体宽度的宽度比(相当于 h/原图h)return(x, y, w, h)# 返回 相对于原图的物体中心点的x坐标比,y坐标比,宽度比,高度比,取值范围[0-1]# year ='2012', 对应图片的id（文件名）defconvert_annotation(root, image_id):'''
    将对应文件名的xml文件转化为label文件，xml文件包含了对应的bunding框以及图片长宽大小等信息，
    通过对其解析，然后进行归一化最终读到label文件中去，也就是说
    一张图片文件对应一个xml文件，然后通过解析和归一化，能够将对应的信息保存到唯一一个label文件中去
    labal文件中的格式: calss x y w h，同时，一张图片对应的类别有多个，所以对应的buinding的信息也有多个
    '''# 对应的通过year 找到相应的文件夹，并且打开相应image_id的xml文件，其对应bund文件
    in_file =open(root +'Annotations/%s.xml'%(image_id), encoding='utf-8')# 准备在对应的image_id 中写入对应的label，分别为# <object-class> <x> <y> <width> <height>
    out_file =open(root +'labels/%s.txt'%(image_id),'w', encoding='utf-8')# 解析xml文件
    tree = ET.parse(in_file)# 获得对应的键值对
    root = tree.getroot()# 获得图片的尺寸大小
    size = root.find('size')# 如果xml内的标记为空，增加判断条件if size !=None:# 获得宽
        w =int(size.find('width').text)# 获得高
        h =int(size.find('height').text)# 遍历目标objfor obj in root.iter('object'):# 获得difficultif obj.find('difficult'):
                difficult =int(obj.find('difficult').text)else:
                difficult =0# 获得类别 =string 类型
            cls = obj.find('name').text
            # 如果类别不是对应在我们预定好的class文件中，或difficult==1则跳过if cls notin classes orint(difficult)==1:continue# 通过类别名称找到id
            cls_id = classes.index(cls)# 找到bndbox 对象
            xmlbox = obj.find('bndbox')# 获取对应的bndbox的数组 = ['xmin','xmax','ymin','ymax']
            b =(float(xmlbox.find('xmin').text),float(xmlbox.find('xmax').text),float(xmlbox.find('ymin').text),float(xmlbox.find('ymax').text))print(image_id, cls, b)# 带入进行归一化操作# w = 宽, h = 高， b= bndbox的数组 = ['xmin','xmax','ymin','ymax']
            bb = convert((w, h), b)# bb 对应的是归一化后的(x,y,w,h)# 生成 calss x y w h 在label文件中
            out_file.write(str(cls_id)+" "+" ".join([str(a)for a in bb])+'\n')if __name__ =='__main__':
    ROOT ='../datasets/Fruit/'for image_set in sets:'''
        对所有的文件数据集进行遍历
        做了两个工作:
        1．将所有图片文件都遍历一遍，并且将其所有的全路径都写在对应的txt文件中去 方便定位
        2．同时对所有的图片文件进行解析和转化，将其对应的 bundingbox 以及类别的信息全部解析写到 label 文件中去
        最后再通过直接读取文件 就能找到对应的 label 信息
        '''# 先找labels文件夹如果不存在则创建ifnot os.path.exists(ROOT +'labels/'):
            os.makedirs(ROOT +'labels/')# 读取在 ImageSets 中的train、test..等文件的内容# 包含对应的文件名称
        image_ids =open(ROOT +'ImageSets/%s.txt'%(image_set)).read().strip().split()# 打开对应的.txt 文件对其进行写入准备
        list_file =open(ROOT +'%s.txt'%(image_set),'w')# 将对应的文件_id以及全路径写进去并换行for image_id in image_ids:
            list_file.write(ROOT +'images/%s.jpg\n'%(image_id))# 开始解析xml文件的标注格式
            convert_annotation(root=ROOT, image_id=image_id)# 关闭文件
        list_file.close()

结果如下：

|——-Fruit
    |---Annotations
        |---001.xml
        |---002.xml
        ... ...
        |---340.xml
    |---images
        |---001.jpg
        |---002.jpg
        ... ...
        |---340.jpg
    |---ImageSets
        |---test.txt  # 存放测试集图片名称
        |---train.txt  # 存放训练集图片名称
        |---trainval.txt  # 存放训练验证集图片名称
        |---val.txt  # 存放验证集图片名称
    |---labels
        |---001.txt
        |---002.txt
        ... ...
        |---340.txt
    |---test.txt  # 存放测试集图片绝对路径
    |---train.txt  # 存放训练集图片绝对路径
    |---val.txt  # 存放验证集图片绝对路径

2. 标注工具

2.1 LabelImg：目标检测

Anaconda Prompt安装

conda create -n labelimg python=3.8
conda activate labelimg
pip install labelimg

标注步骤:
stpe1：打开软件

在Anaconda Prompt中进入labelimg环境

activate labelimg

stpe2：cd到指定文件夹下

stpe3：然后运行labelimg命令

(labelimg) D:\dataset>labelimg images labels.txt

images：存储图片的文件夹
labels.txt：指定要标注的所有类别

step4：标注前的设置
点击View显示如下图，然后把如下的几个选项勾上：

• Auto Save mode：切换到下一张图片时，会自动把上一张标注的图片标签自动保存下来，这样就不用每标注一样图片都按Ctrl+S保存一下了
• Display Labels：标注好图片之后，会把框和标签都显示出来
• Advanced Mode：这样标注的十字架就会一直悬浮在窗口，不用每次标完一个目标，再按一次W快捷键，调出标注的十字架

step5：设置常用快捷键

W：调出标注的十字架，开始标注
A：切换到上一张图片
D：切换到下一张图片
del：删除标注的矩形框
Ctrl+S：保存标注好的标签
Ctrl+鼠标滚轮：按住Ctrl，然后滚动鼠标滚轮，可以调整标注图片的显示大小
Ctrl+u：选择要标注图片的文件夹
Ctrl+r：选择标注好的label标签存放的文件夹 ↑→↓←：移动标注的矩形框的位置

step6：批量标注

点击

Open Dir

打开数据集所在文件夹
点击

Create RectBox

，创建矩形标注框，开始标注
选择标注类别
选择标注格式，labelimg中有三种标注格式，可以任选一种：
Pascal VOC(xml)
YOLO(txt)
CreateML(json)
点击

Save

，保存该张图片的标注文件
点击

Next Image

，进行下一张图片标注

2.2 Labelme：语义分割

Anaconda Prompt安装

conda create -n labelme python=3.8
conda activate labelme
pip install pyqt5 # pyqt5 can be installed via pip on python3
pip install labelme==3.16.2

标注步骤：
step1：打开软件
在Anaconda Prompt中进入labelme环境

activate labelme

stpe2：cd到指定文件夹下

step3：然后运行labelme命令

(labelme) D:\dataset>labelme --labels label.txt --output output

–labels：传入定义好的所有类别名称
–output：指定标注文件的保存地址

stpe4：批量标注

点击

Open Dir

打开数据集所在文件夹
点击

Create Polygons

，创建多边形标注形式，开始标注
选择标注类别
点击

Save

，保存该张图片的标注文件（json格式）
点击

Next Image

，进行下一张图片标注

2.3 精灵标注助手(Colabeler)：实例分割&目标检测

相比于Labelme，LabelImg这些标注工具，精灵标注助手强大的地方在于支持实例分割、目标检测、文本标注、音频标注和视频标注等，并且完全免费，称得上业界良心！

精灵标注助手目前支持Windows/Mac/Linux平台，大家根据自己的系统下载相对应的版本。

标注步骤（以目标检测为例）
新建项目

打开软件，完成注册登录，点击左上角的新建，可以看到支持的项目类型非常多，这里选择第一个位置标注
然后再右侧填写相关信息，点击创建

批量标注

可以选择三种标注框，这里选择矩形框，开始标注
之后在右上角选择标注信息
点击下方的对号√，或者Ctrl+s
然后可以点击左侧的前一个后一个，或者直接使用键盘的向左按钮和向右按钮来切换图片

最后点击左侧下方的导出，可以选择标注文件的类型