XML格式数据集转TXT（YOLO）

        我从网上下载了一个数据集（underwater）它们提供了xml格式的数据，但是我想用yolov5进行训练，所以需要将xml格式转化为txt格式。

正常的xml格式的数据集可以参考

目标检测中将已有的.xml数据集转换成.txt数据集(附代码，归一化后供YOLO格式使用)_orangezs的博客-CSDN博客

但是，我下载的数据集有点不同，它的xml文件中没有size属性，而且还标注了我们不需要的类别

这里我参考了下面几个人的博客

PyTorch版YOLOv4训练自己的数据集---基于Google Colab-python黑洞网

获取VOC数据集xml标注文件的各类别的个数，更改类别名，删除某一类_静候：花开的博客-CSDN博客

【脚本工具】python修改xml文件中类别的名称和删除指定的类别_超级无敌陈大佬的跟班的博客-CSDN博客 【目标检测适用】批量修改xml文件中的name字段_*pprp*的博客-CSDN博客_修改xml的name

最终问题得以解决，再附上我自己修改过的代码

MAKE TXT

import os

xmlfilepath = './Annotations'
txtsavepath = './ImageSets'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)

list = range(num)

train = open('./ImageSets/train.txt', 'w')


for i in list:
    name = total_xml[i][:-4] + '\n'
    train.write(name)

train.close()

 delete_xml

import os
import xml.etree.ElementTree as ET
yuan_dir = './Annotations'  # 设置原始标签路径为 Annos
new_dir = './new_xml'  # 设置新标签路径 Annotations
for filename in os.listdir(yuan_dir):
    file_path = os.path.join(yuan_dir, filename)
    new_path=os.path.join(new_dir,filename)
    dom = ET.parse(file_path)
    root = dom.getroot()
    for obj in root.findall('object'):  # 获取object节点中的name子节点
        if obj.find('name').text == 'waterweeds':
            root.remove(obj)
            #print("change %s to %s." % (yuan_name, new_name1))
        # elif obj.find('name').text== 'a':
        #     root.remove(obj)
##可以继续删除，继续用elif语句
 # 保存到指定文件
    dom.write(new_path, xml_declaration=True)

xml2txt 

# xml解析包
import xml.etree.ElementTree as ET
import pickle
import os
# os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表
from os import listdir, getcwd
from os.path import join
import cv2


sets = ['train']
classes = ["holothurian", "echinus", "scallop", "starfish"]  ##修改为自己的类别 # 自己训练的类别

images = r"./images"
# 进行归一化操作
def convert(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）
def convert_annotation(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框以及图片长款大小等信息，
    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ｂｕｎｄｉｎｇ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('./new_xml/%s.xml' % (image_id), encoding='utf-8')
    # print(in_file.name)
    # 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('./labels/%s.txt' % (image_id), 'w', encoding='utf-8')
    # print(out_file.name)
    # 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')
    # # 获得宽
    # w = int(size.find('width').text)
    # # 获得高
    # h = int(size.find('height').text)

    img = cv2.imread(images + "/" + image_id + '.jpg')
    w = int(img.shape[1])
    h = int(img.shape[0])

    # # 遍历目标obj
    for obj in root.iter('object'):
        cls = obj.find('name').text
        # if cls = waterweeds
        if cls not in classes == 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')


# 返回当前工作目录
wd = getcwd()
print(wd)


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．讲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
    if not os.path.exists('./labels/'):
        os.makedirs('./labels/')
    # 读取在ImageSets/Main 中的train、test..等文件的内容
    # 包含对应的文件名称
    image_ids = open('./ImageSets/%s.txt' % (image_set)).read().strip().split()
    # 打开对应的2012_train.txt 文件对其进行写入准备
    list_file = open('./%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('./images/%s.jpg\n' % (image_id))
        # 调用  year = 年份  image_id = 对应的文件名_id
        convert_annotation(image_id)
    # 关闭文件
    list_file.close()