本文已参与「新人创作礼」活动，一起开启掘金创作之路。

1 用LabelImgvoc和yolo标注标签格式说明

关于LabelImg工具的使用，参考

1.1 LabelImg标注的VOC数据格式

VOC数据格式，会直接把每张图片标注的标签信息保存到一个xml文件中

例如：我们上面标注的JPEGImage/000001.jpg图片，标注的标签信息会保存到Annotation/000001.xml文件中，000001.xml中的信息如下：

<annotation>
	<folder>JPEGImage</folder>
	<filename>000000.jpg</filename>
	<path>D:\ZF\2_ZF_data\3_stamp_data\标注公章数据\JPEGImage\000000.jpg</path>
	<source>
		<database>Unknown</database>
	</source>
	<size>
		<width>500</width>
		<height>402</height>
		<depth>3</depth>
	</size>
	<segmented>0</segmented>
	<object>
		<name>circle_red</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>168</xmin>
			<ymin>2</ymin>
			<xmax>355</xmax>
			<ymax>186</ymax>
		</bndbox>
	</object>
	<object>
		<name>circle_red</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>2</xmin>
			<ymin>154</ymin>
			<xmax>208</xmax>
			<ymax>367</ymax>
		</bndbox>
	</object>
	<object>
		<name>circle_red</name>
		<pose>Unspecified</pose>
		<truncated>0</truncated>
		<difficult>0</difficult>
		<bndbox>
			<xmin>305</xmin>
			<ymin>174</ymin>
			<xmax>493</xmax>
			<ymax>364</ymax>
		</bndbox>
	</object>
</annotation>

xml中的关键信息说明：

• 图片的名字
• 每个目标的标定框坐标：即左上角的坐标和右下角的坐标
  • xmin
  • ymin
  • xmax
  • ymax

1.2 LabelImg标注的YOLO数据格式

YOLO数据格式，会直接把每张图片标注的标签信息保存到一个txt文件中

例如：我们上面标注的JPEGImage/000001.jpg图片，标注的标签信息会保存到Annotation/000001.txt文件中（同时会生成一个classes.txt文件，也保存到Annotation/classes.txt），000001.txt中的信息如下：

0 0.521000 0.235075 0.362000 0.450249
0 0.213000 0.645522 0.418000 0.519900
0 0.794000 0.665423 0.376000 0.470149

txt中信息说明：

• 每一行代表标注的一个目标
• 第一个数代表标注目标的标签，第一目标circle_red，对应数字就是0
• 后面的四个数代表标注框的中心坐标和标注框的相对宽和高（进行了归一化，如何归一化可以参考我的这篇博客中的介绍）
• 五个数据从左到右以此为：
  $class\_index, x\_center, y\_center, w, h$。（后面的四个数据都是归一化的）

同时会生成一个Annotation/classes.txt实际类别文件classes.txt，里面的内容如下：

circle_red
circle_gray
rectangle_red
rectangle_gray
fingeprint_red
fingeprint_gray
other

2 voc转换为yolo格式计算

标注好的VOC格式的标签xml文件，存储的主要信息为：

• 图片的名字
• 图片的高height、宽width、通道depth
• 标定框的坐标位置：xmin、ymin、xmax、ymax

例如下图代表的是一样图片：

• 红框代表的是原图大小：height=8，width=8
• 蓝框代表的是标注物体的框：左上角坐标为 (xmin, ymin)=(2,2)，右下角的坐标为 (xmax, ymax)=(6,6) 而voc_label.py目的就是把标注为VOC格式数据转化为标注为yolo格式数据：
• VOC格式标签：图片的实际宽和高，标注框的左上角和右下角坐标
• YOLO格式标签：标注框的中心坐标（归一化的），标注框的宽和高（归一化的）

VOC格式标签转换为YOLO格式标签计算公式：

框中心的实际坐标（x, y）：（一般可能还会在后面减去1）
$x\_center=\frac{xmax+xmin}{2}=\frac{6+2}{2}=4$
$y\_center=\frac{ymax+ymin}{2}=\frac{6+2}{2}=4$

框归一化后的中心坐标（x, y）：
$x=\frac{x\_center}{width}=\frac{4}{8}=0.5$
$y=\frac{y\_center}{height}=\frac{4}{8}=0.5$

框的高和框（归一化的）：
$w=\frac{xmax-xmin}{width}=\frac{6-2}{8}=0.5$
$h=\frac{ymax-ymin}{height}=\frac{6-2}{8}=0.5$

3 yolo转换为voc格式计算

voc中保存的坐标信息为：xmin, ymin, xmax, ymax，所以只要根据上面的公式，推导出这四个值即可，推导如下：

推导：xmin, xmax