Python生成PASCAL VOC格式的xml标注文件

时间：2023-03-08 16:36:03
Python生成PASCAL VOC格式的xml标注文件

Python生成PASCAL VOC格式的xml标注文件

PASCAL VOC数据集的标注文件是xml格式的。对于py-faster-rcnn，通常以下示例的字段是合适的：

<annotation>

  <folder>GTSDB</folder>

  <filename>000001.jpg</filename>

  <size>

    <width>500</width>

    <height>375</height>

    <depth>3</depth>

  </size>

  <object>

    <name>mouse</name>

    <difficult>0</difficult>

    <bndbox>

      <xmin>99</xmin>

      <ymin>358</ymin>

      <xmax>135</xmax>

      <ymax>375</ymax>

    </bndbox>

  </object>

</annotation>

怎样从csv或者txt格式的文件，读取bbox信息，生成xml格式的annotation文件呢？直接逐行写文件肯定可以，但是以后改起来并不太方便，\t和空格的替换也不太方便。

xml.etree.ElementTree这个包似乎挺好用的，解析和生成xml都可以。但是会产生<?xml version="1.0" ?>这样一行头部版本信息。我们不需要这个信息。使用lxml包替代xml，可以去掉它。

下面给出了一个例子。

安装依赖项

sudo pip install lxml

生成xml示例代码

#!/usr/bin/env python

# coding:utf-8

#from xml.etree.ElementTree import Element, SubElement, tostring

from lxml.etree import Element, SubElement, tostring

import pprint

from xml.dom.minidom import parseString

node_root = Element('annotation')

node_folder = SubElement(node_root, 'folder')

node_folder.text = 'GTSDB'

node_filename = SubElement(node_root, 'filename')

node_filename.text = '000001.jpg'

node_size = SubElement(node_root, 'size')

node_width = SubElement(node_size, 'width')

node_width.text = '500'

node_height = SubElement(node_size, 'height')

node_height.text = '375'

node_depth = SubElement(node_size, 'depth')

node_depth.text = '3'

node_object = SubElement(node_root, 'object')

node_name = SubElement(node_object, 'name')

node_name.text = 'mouse'

node_difficult = SubElement(node_object, 'difficult')

node_difficult.text = '0'

node_bndbox = SubElement(node_object, 'bndbox')

node_xmin = SubElement(node_bndbox, 'xmin')

node_xmin.text = '99'

node_ymin = SubElement(node_bndbox, 'ymin')

node_ymin.text = '358'

node_xmax = SubElement(node_bndbox, 'xmax')

node_xmax.text = '135'

node_ymax = SubElement(node_bndbox, 'ymax')

node_ymax.text = '375'

xml = tostring(node_root, pretty_print=True)  #格式化显示，该换行的换行

dom = parseString(xml)

print xml

用lxml库解析VOC2007的xml

from lxml import etree

class BndBox(object):

    def __init__(self, x1=0, y1=0, x2=0, y2=0, cls=None):

        self.x1 = x1

        self.y1 = y1

        self.x2 = x2

        self.y2 = y2

        self.cls_name = cls # class name

def test_parsing(xml_pth):

    xml_desc = etree.parse(xml_pth)

    box = BndBox()

    for obj in xml_desc.xpath('//object'):

        for item in obj.getchildren():

            if (item.tag=='name'):

                box.cls_name = item.text

            elif (item.tag=='bndbox'):

                coords = [int(float(_.text)) for _ in item.getchildren()]

                box.x1, box.y1, box.x2, box.y2 = coords

                print(box.cls_name, box.x1, box.y1, box.x2, box.y2)

if __name__ == '__main__':

    #draw_labels('datasetTraffic')

    test_parsing('H:/zz_dataset/datasetTraffic/Annotations/2012_004317.xml')

相关文章