本文简述了目标检测xml格式标注的内容，以及yolo系列模型所需的txt格式标注的内容。并提供了一个简单的，可以将xml格式标注文件转换为txt格式标注文件的python脚本。   

1. xml格式文件内容

         <size>标签下为图片信息，包括 <width> 图片宽度，<height> 图片高度；

         <object>标签下为图片中每个目标的信息，包括 <name> 标注的目标类别名称，<xmin> 目标检测框横坐标最小值，<ymin>目标检测框纵坐标最小值，<xmax>目标检测框横坐标最大值，<ymax>目标检测框纵坐标最大值。

2. yolo系列模型需要的txt格式标注

    

其中，每行为图片中一个目标的相关信息，包含5个字段，分别为：

（1）类别编号（直接用名称会报错），名称转编号可参考如下脚本；

待补充

（2）图框中心点的相对横坐标x（即图框中心点横坐标/图片宽度）；

（3）图框中心点的相对纵坐标；

（4）图框相对宽度（即图框宽度/图片宽度）；

（5）图框相对高度。

3. 转换思路：

        对每一个xml文件进行解析，提取出图片的长宽。对每张图片，提取出每个目标的类别及其检测框定位点的坐标值。按照相应计算逻辑，计算出txt格式标注所需的信息，并输出保存为txt文件。

具体代码如下：

import os
import xml.etree.ElementTree as ET

# xml文件路径
xml_path = "D:/dataset/yolo/Annotations_simple/test/"
# 生成的txt文件路径
txt_path = "D:/pycharm_project/deeplearn/datasets/labels/test2/"


# 转换函数
def xml_to_txt(xml_path, txt_path):
    """
    :param xml_path: xml格式标注文件所在目录
    :param txt_path: 生成的txt格式标注文件所在目录
    """
    # 读取文件夹下所有xml文件
    files = os.listdir(xml_path)
    files = [f for f in files if f.endswith(".xml")]
    for file in files:
        # 解析XML文件
        tree = ET.parse(xml_path + file)
        root = tree.getroot()

        # 获取图像宽度和高度
        size = root.find("size")
        w = int(size.find("width").text)
        h = int(size.find("height").text)
        # c = int(size.find("depth").text)

        # 遍历XML文件中的每个目标
        for obj in root.iter("object"):
            cls = obj.find("name").text    # 获取类别名称
            xmlbox = obj.find("bndbox")    # 获取每个目标检测框信息
            b = (
                float(xmlbox.find("xmin").text),
                float(xmlbox.find("xmax").text),
                float(xmlbox.find("ymin").text),
                float(xmlbox.find("ymax").text),
            )
            # 转换坐标，通过自行编写的convert函数转换成txt标注所需信息
            bb = convert((w, h), b)

            # 写入YOLO格式标注txt文件
            txt_file_name = file[:-4]+ ".txt"   # 生成的txt格式文件名，即将原文件名的 .xml 替换成 .txt
            with open(txt_path + txt_file_name, "a") as f:
                f.write(f"{cls} {bb[0]} {bb[1]} {bb[2]} {bb[3]}\n")

# xml标注信息转换成txt标注所需信息
def convert(size, box):
    """将边界框坐标从VOC格式转换为YOLO格式
    size: 图片鹅宽高，格式为：(width,height)
    box: xlm文件目标检测框信息，格式为 (x_min,x_max,y_min,y_max)

    return: 返回txt标注所需信息，格式为 (x,y,w,h)，分别表示 检测框中心点的相对横坐标x（即检测框中心点横坐标/图片宽度），
            检测框中心点的相对纵坐标y，检测框框相对宽度（即检测框框宽度/图片宽度），检测框相对高度
    """
    dw = 1. / size[0]
    dh = 1. / size[1]
    x = (box[0] + box[1]) / 2.0  ## 检测框中心点横坐标
    y = (box[2] + box[3]) / 2.0  ## 检测框中心点纵坐标
    w = box[1] - box[0]  ## 检测框高度
    h = box[3] - box[2]  ## 检测框宽度
    ## 计算相应的相对值
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


# 执行转换函数
xml_to_txt(xml_path, txt_path)