深度学习02-数据集格式转换

背景：

通常搜集完数据图片后，我们会用labelimg进行图片标注，比较高版本的labelimg支持的标注格式有三种，PascalVOC、YOLO、CreateML，标注的时候可以根据自己的算法模型数据集需求选择相应的格式，当然，也可以三种方式同时标注，不过会耗时间一些。有时候我们仅仅标注了一种格式转，而实际算法建模的时候可能需要对相应的格式进行转换。

xml转json:

默认选用PascalVOC方式的话，标注的数据集格式为XML，实例如下(2.xml)：

	Desktop
	ng2.png
	C:\Users\Xiao\Desktop\ng2.png
	
		Unknown
	
	
		1892
		851
		3
	
	0
	

 将该文档转换为json格式并保存的代码如下：

import xml.etree.ElementTree as ET
import json

def xml_to_json(xml_file, json_file):
    tree = ET.parse(xml_file)
    root = tree.getroot()

    data = []
    for obj in root.findall('object'):
        obj_data = {}
        obj_data['name'] = obj.find('name').text
        obj_data['bbox'] = {
            'xmin': int(obj.find('bndbox/xmin').text),
            'ymin': int(obj.find('bndbox/ymin').text),
            'xmax': int(obj.find('bndbox/xmax').text),
            'ymax': int(obj.find('bndbox/ymax').text)
        }
        data.append(obj_data)

    json_data = {
        'filename': root.find('filename').text,
        'size': {
            'width': int(root.find('size/width').text),
            'height': int(root.find('size/height').text),
            'depth': int(root.find('size/depth').text)
        },
        'objects': data
    }

    with open(json_file, 'w') as f:
        json.dump(json_data, f, indent=4)

# Example usage
xml_file = r'C:\Users\Xiao\Desktop\tools\2.xml'
json_file = r'C:\Users\Xiao\Desktop\tools\2.json'
xml_to_json(xml_file, json_file)
print('数据转换完成！')

实际使用的时候需要适当修改一下文档路径才可以。

转换完之后的json内容如下(2.json)：

{
    "filename": "ng2.png",
    "size": {
        "width": 1892,
        "height": 851,
        "depth": 3
    },
    "objects": [
        {
            "name": "1",
            "bbox": {
                "xmin": 60,
                "ymin": 381,
                "xmax": 354,
                "ymax": 583
            }
        }
    ]
}