当前位置：首页 > news >正文

【目标检测标签转换工具】YOLO 格式与 Pascal VOC XML 格式的互转详解（含完整代码）

news 来源：原创 2025/5/9 6:36:11

一、写在前面：为什么需要标签格式转换？

在目标检测任务中，不同的模型和标注工具使用的标签格式常常不同：

YOLO 系列（YOLOv5/v8） 使用的是 .txt 格式，每行为一个目标，记录相对归一化的位置信息；
Faster R-CNN、SSD、RetinaNet 等 模型常使用 Pascal VOC 格式（.xml 文件）；
而像 LabelImg、CVAT 等标注工具 默认生成的就是 Pascal VOC 或 COCO 格式。

这就带来了一个常见需求：在模型训练、标注、评估之间自由切换格式，提高数据复用效率！

因此，本文提供 YOLO ↔ Pascal VOC 的双向转换工具代码，并详细说明使用流程、格式说明及代码实现，助你轻松完成数据迁移与模型切换。

二、YOLO 格式与 Pascal VOC 格式简介

YOLO 标签格式（每张图一个 `.txt` 文件）：

每一行一个目标，格式如下：

<class_id> <x_center> <y_center> <width> <height>

其中：

class_id 为类别 ID，从 0 开始；
x_center, y_center 为目标中心点坐标（相对图像宽高归一化）；
width, height 也为相对值。

示例：

1 0.521 0.637 0.221 0.340

Pascal VOC 标签格式（每张图一个 `.xml` 文件）：

结构化 XML 文件，包含图像尺寸与每个目标的 <object> 标签，坐标使用的是绝对像素值。

<annotation><folder>VOC2007</folder><filename>example.jpg</filename><size><width>1920</width><height>1080</height><depth>3</depth></size><object><name>Spalling</name><bndbox><xmin>480</xmin><ymin>360</ymin><xmax>920</xmax><ymax>880</ymax></bndbox></object>
</annotation>

⚙️ 三、YOLO ➡ Pascal VOC XML 转换

我们将 YOLO 中的中心点+宽高形式的标注转换为 Pascal VOC 格式的绝对坐标（xmin, ymin, xmax, ymax）。

完整代码如下：

import os
import glob
from PIL import Imagedef convert_yolo_to_voc(yolo_dir, image_dir, output_dir, class_names, img_ext=".jpg"):os.makedirs(output_dir, exist_ok=True)image_list = glob.glob(os.path.join(image_dir, f"*{img_ext}"))print(f"Found {len(image_list)} images.")for idx, image_path in enumerate(image_list):image_name = os.path.splitext(os.path.basename(image_path))[0]label_path = os.path.join(yolo_dir, image_name + ".txt")xml_path = os.path.join(output_dir, image_name + ".xml")# 读取图像尺寸try:image = Image.open(image_path)w, h = image.sizeexcept Exception as e:print(f"Error reading image {image_path}: {e}")continue# 写入 XML 文件头部with open(xml_path, 'w') as xml_file:xml_file.write('<annotation>\n')xml_file.write(f'    <folder>VOC2007</folder>\n')xml_file.write(f'    <filename>{image_name + img_ext}</filename>\n')xml_file.write('    <size>\n')xml_file.write(f'        <width>{w}</width>\n')xml_file.write(f'        <height>{h}</height>\n')xml_file.write('        <depth>3</depth>\n')xml_file.write('    </size>\n')if os.path.exists(label_path):with open(label_path, 'r') as f:lines = f.read().splitlines()for line in lines:spt = line.strip().split()if len(spt) != 5:continue  # 非标准行跳过class_id = int(spt[0])if class_id >= len(class_names):print(f"Warning: class_id {class_id} out of range in {label_path}")continuename = class_names[class_id]xc, yc, bw, bh = map(float, spt[1:])xmin = int((xc - bw / 2) * w)ymin = int((yc - bh / 2) * h)xmax = int((xc + bw / 2) * w)ymax = int((yc + bh / 2) * h)xml_file.write('    <object>\n')xml_file.write(f'        <name>{name}</name>\n')xml_file.write('        <pose>Unspecified</pose>\n')xml_file.write('        <truncated>0</truncated>\n')xml_file.write('        <difficult>0</difficult>\n')xml_file.write('        <bndbox>\n')xml_file.write(f'            <xmin>{xmin}</xmin>\n')xml_file.write(f'            <ymin>{ymin}</ymin>\n')xml_file.write(f'            <xmax>{xmax}</xmax>\n')xml_file.write(f'            <ymax>{ymax}</ymax>\n')xml_file.write('        </bndbox>\n')xml_file.write('    </object>\n')xml_file.write('</annotation>\n')if (idx + 1) % 100 == 0:print(f"Processed {idx+1}/{len(image_list)} images.")print("All YOLO labels converted to VOC XML.")# 示例调用：
if __name__ == "__main__":yolo_label_dir = "Rail/test/labels"image_dir = "Rail/test/images"output_xml_dir = "Annotations"class_names = ['Spalling', 'Wheel Burn', 'Squat', 'Corrugation']convert_yolo_to_voc(yolo_label_dir, image_dir, output_xml_dir, class_names)

注意事项：

自动读取图像尺寸；
支持批量处理；
会自动创建 XML 存储目录。

⚙️ 四、Pascal VOC XML ➡ YOLO 转换

本部分代码将 Pascal VOC 格式中的 <bndbox> 绝对坐标转换为 YOLO 所需的相对归一化格式。

完整代码如下：

import os
import glob
import xml.etree.ElementTree as ET
from PIL import Imagedef convert_voc_to_yolo(xml_dir, image_dir, output_dir, class_names, img_ext=".jpg"):os.makedirs(output_dir, exist_ok=True)xml_list = glob.glob(os.path.join(xml_dir, "*.xml"))print(f"Found {len(xml_list)} XML files.")for idx, xml_path in enumerate(xml_list):tree = ET.parse(xml_path)root = tree.getroot()image_name = root.find('filename').textname_base = os.path.splitext(image_name)[0]img_path = os.path.join(image_dir, name_base + img_ext)txt_path = os.path.join(output_dir, name_base + ".txt")# 获取图像宽高try:image = Image.open(img_path)w, h = image.sizeexcept Exception as e:print(f"Error reading image {img_path}: {e}")continuewith open(txt_path, 'w') as f_out:for obj in root.findall('object'):cls_name = obj.find('name').textif cls_name not in class_names:print(f"Warning: class name {cls_name} not in list.")continuecls_id = class_names.index(cls_name)bbox = obj.find('bndbox')xmin = int(float(bbox.find('xmin').text))ymin = int(float(bbox.find('ymin').text))xmax = int(float(bbox.find('xmax').text))ymax = int(float(bbox.find('ymax').text))# 转为YOLO格式：中心点 + 宽高，归一化x_center = (xmin + xmax) / 2.0 / wy_center = (ymin + ymax) / 2.0 / hbox_width = (xmax - xmin) / wbox_height = (ymax - ymin) / hf_out.write(f"{cls_id} {x_center:.6f} {y_center:.6f} {box_width:.6f} {box_height:.6f}\n")if (idx + 1) % 100 == 0:print(f"Processed {idx+1}/{len(xml_list)} annotations.")print(" All VOC XML annotations converted to YOLO format.")# 示例调用：
if __name__ == "__main__":voc_xml_dir = "/Annotations"image_dir = "/test/images"output_yolo_dir = "/test/labels_converted"class_names = ['Spalling', 'Wheel Burn', 'Squat', 'Corrugation']convert_voc_to_yolo(voc_xml_dir, image_dir, output_yolo_dir, class_names)

注意事项：

自动读取图像尺寸用于归一化；
支持自定义类别名列表；
会跳过无效标签或未知类别。

五、实际调用示例（适配你的项目路径）

if __name__ == "__main__":class_names = ['Spalling', 'Wheel Burn', 'Squat', 'Corrugation']# YOLO → XMLconvert_yolo_to_voc(yolo_dir="Rail/test/labels",image_dir="Rail/test/images",output_dir="Annotations",class_names=class_names)# XML → YOLOconvert_voc_to_yolo(xml_dir="Annotations",image_dir="Rail/test/images",output_dir="Rail/test/labels_converted",class_names=class_names)