最近在做一些数据标注的工作，虽然标注数据比较枯燥，但这也是每个做算法的工程师升级打怪的必由之路。使用一些**的工具往往可以事半功倍，效率UP。

一：数据标注流程

二：数据处理的一些小代码

1：重命名

当**这样格式命名不一致的数据的时候，重命名是最好的方法。

代码：

#coding=UTF-8'''重命名工具'''import osimport sysdef rename(): path=input(r"请输入路径(例如D:\picture)：") name=input("请输入开头名:") startNumber=input("请输入开始数:") fileType=input("请输入后缀名（如 .jpg、.txt等等）:") print("正在生成以"+name+startNumber+fileType+"迭代的文件名") count=0 filelist=os.listdir(path) for files in filelist: Olddir=os.path.join(path,files) if os.path.isdir(Olddir): continue Newdir=os.path.join(path,name+str(count+int(startNumber))+fileType) os.rename(Olddir,Newdir) count+=1 print("一共修改了"+str(count)+"个文件")if __name__ == '__main__': rename()

重命名后的文件会覆盖之前的文件，记得操作之前备份原始数据(如有需要的话)

2：数据标注工具：

对于VOC数据集，使用labelimgs很方便，安装过程也很简单：开源地址如下：https://git**.com/tzutalin/labelImg

如上图所示，框选完口罩后，点击OK会生成一个跟你文件名一致的XML文件，XML中包括有文件路径，文件名称，以及你给的标签等等信息，如下图：

3：划分数据集

因为要符合VOC数据集格式，这里简单说一下VOC数据集格式类型。做深度学习目标检测方面的同学怎么都会**到PASCAL VOC这个数据集。也许很少用到整个数据集，但是一般都会按照它的格式**自己的数据集。所以这里就来记录一下PASCAL VOC的格式，包括目录构成以及各个文件夹的内容格式，方便以后自己按照VOC的**格式制作自己的数据集。

但是我们一般情况下，自己制作数据集不需要Segment开头的，着重关注这三个文件夹：

Annotation文件夹存放的是xml文件，该文件是对图片的解释，每张图片都对于一个同名的xml文件。ImageSets文件夹存放的是txt文件，这些txt将数据集的图片分成了各种**。JPEGImages文件夹存放的是数据集的原图片

转换代码：

import osimport randomxmlfilepath = r'D:/object_find/voc_title/VOCdevkit/VOC2007/Annotations'saveBasePath = r"D:/object_find/voc_title/VOCdevkit/VOC2007/ImageSets/Main/"#训练集和验证集所占的比例trainval_percent = 0.8train_percent = 0.8temp_xml = os.listdir(xmlfilepath)total_xml = []for xml in temp_xml: if xml.endswith(".xml"): total_xml.append(xml)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)print("train and val size", tv)print("traub suze", tr)#trainval,训练集测试集文件名，train，训练集，test,测试集，val验证集的文件名ftrainval = open(os.path.join(saveBasePath, 'trainval.txt'), 'w')ftest = open(os.path.join(saveBasePath, 'test.txt'), 'w')ftrain = open(os.path.join(saveBasePath, 'train.txt'), 'w')fval = open(os.path.join(saveBasePath, 'val.txt'), 'w')for i in list: 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()

运行结果：

4:XML转TXT

这里要用到XML工具包来匹配一下：

代码：

import xml.etree.ElementTree as ETfrom os import getcwdsets=[('2007', 'train'), ('2007', 'val'), ('2007', 'test')]classes = ["nomask","rightmask","wrongmask"]def convert_annotation(year, image_id, list_file): in_file = open('D:/object_find/voc_title/VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id)) tree=ET.parse(in_file) root = tree.getroot() for obj in root.iter('object'): difficult = obj.find('difficult').text cls = obj.find('name').text if cls not in classes or int(difficult)==1: continue cls_id = classes.index(cls) xmlbox = obj.find('bndbox') b = (int(xmlbox.find('xmin').text), int(xmlbox.find('ymin').text), int(xmlbox.find('xmax').text), int(xmlbox.find('ymax').text)) list_file.write(" " + ",".join([str(a) for a in b]) + ',' + str(cls_id))wd = getcwd()for year, image_set in sets: image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split() list_file = open('%s_%s.txt'%(year, image_set), 'w') for image_id in image_ids: list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg'%(wd, year, image_id)) convert_annotation(year, image_id, list_file) list_file.write('\n') list_file.close()

生成结果：

生成txt文件，包括：图片位置信息，目标位置，类别

voc数据集格式（CV学习笔记二十四数据集标注与制作）