在线训练平台数据集标签如何导出成yolo格式

这些东西网上查一下都很多的，你首先得明白这个YOLO格式是什么形式
从数据目录结构看，应该是如下这种：

my_dataset
|--- images
|     |--- train
|           |--- 0001.jpg
|           |--- 0002.jpg
|           |--- ...
|     |--- val
|           |--- 0001.jpg
|           |--- ...  
|     |--- test
|           |--- 0001.jpg
|           |--- ...
|--- labels
|     |--- train
|           |--- 0001.txt
|           |--- 0002.txt
|           |--- ...
|     |--- val
|           |--- 0001.txt
|           |--- ...
|     |--- test
|           |--- 0001.txt
|           |--- ...

data.yaml

images目录下肯定是图片，labels目录下是标注框，那你肯定要把xml转换成txt。每张图片对应一个同名的txt文件，txt文件中的格式如下：
txt中可以有多行，每行表示一个标注框，格式为：<class_id> <x_center> <y_center> ，其中：
class_id：类别索引（从0开始，与data.yaml中的类别顺序一致）。
x_center, y_center：边界框中心点坐标,归一化为图像尺寸的比例值，范围0~1,也就是需要对框的中心点x坐标/图片宽度，中心点y坐标/图片高度。
width, height：边界框宽高，归一化比例值，范围0~1，也就是需要对框宽度/图片宽度,框高度/图片高度。
这里给你一个脚本，把xml转换成txt,然后你再把数据分成上面树状图的格式:

import os
import xml.etree.ElementTree as ET  # 用于解析XML文件（VOC标注格式）
import cv2  # 用于读取图像文件，获取图像尺寸

# 设置路径
xml_dir = 'xml'           # 存放VOC XML标注文件的目录
image_dir = 'images'      # 存放图片的目录，用于读取图片尺寸
label_dir = 'labels'      # YOLO标签输出目录，转换后的txt文件将保存在这里
labels_file = 'labels.txt'  # 包含类别名称的文件，每行一个类别名称

def load_class_names(labels_file):
    """ 从 labels.txt 文件中加载类别名称列表 """
    with open(labels_file, 'r') as f:
        class_names = [line.strip() for line in f.readlines()]  # 去除每行首尾空白字符
    return class_names

# 加载类别名称，并创建类别名到类别ID的映射字典
class_names = load_class_names(labels_file)
class_mapping = {name: i for i, name in enumerate(class_names)}  # {'person': 0, 'car': 1, ...}

def get_image_size(image_path):
    """ 使用 OpenCV 读取图片的宽和高 """
    img = cv2.imread(image_path)  # 读取图像
    if img is None:
        raise ValueError(f"无法读取图片或图片不存在: {image_path}")
    height, width = img.shape[:2]  # OpenCV返回的shape是(height, width, channels)
    return width, height

def convert_voc_to_yolo(xml_file, image_file, txt_file):
    """
    将单个VOC格式的XML文件转换为YOLO格式的txt文件
    :param xml_file: XML标注文件路径
    :param image_file: 对应的图像文件路径
    :param txt_file: 输出的YOLO标签文件路径
    """
    tree = ET.parse(xml_file)
    root = tree.getroot()

    # 优先从XML文件中读取图像尺寸
    size_elem = root.find('size')
    if size_elem is not None and size_elem.find('width') is not None and size_elem.find('height') is not None:
        width = int(size_elem.find('width').text)
        height = int(size_elem.find('height').text)
    else:
        # 如果XML中没有尺寸信息，则从图片中读取
        width, height = get_image_size(image_file)

    # 打开txt文件准备写入
    with open(txt_file, 'w') as f:
        for obj in root.findall('object'):  # 遍历每个目标对象
            cls = obj.find('name').text  # 获取类别名称

            # 如果类别不在预定义的类别列表中，跳过该对象
            if cls not in class_mapping:
                continue

            cls_id = class_mapping[cls]  # 获取对应的类别ID

            # 获取边界框坐标
            bbox = obj.find('bndbox')
            xmin = int(bbox.find('xmin').text)
            ymin = int(bbox.find('ymin').text)
            xmax = int(bbox.find('xmax').text)
            ymax = int(bbox.find('ymax').text)

            # 转换为YOLO格式：归一化中心坐标 + 宽高
            x_center = (xmin + xmax) / 2.0 / width
            y_center = (ymin + ymax) / 2.0 / height
            w = (xmax - xmin) / float(width)
            h = (ymax - ymin) / float(height)

            # 保留6位小数，避免浮点数精度问题
            x_center = round(x_center, 6)
            y_center = round(y_center, 6)
            w = round(w, 6)
            h = round(h, 6)

            # 写入YOLO格式的标签文件
            f.write(f"{cls_id} {x_center} {y_center} {w} {h}\n")

def convert_all():
    """ 将指定目录下的所有VOC XML文件转换为YOLO格式的txt文件 """
    if not os.path.exists(label_dir):
        os.makedirs(label_dir)  # 如果输出目录不存在则创建

    # 遍历XML目录下的所有文件
    for xml_file in os.listdir(xml_dir):
        if not xml_file.endswith('.xml'):
            continue  # 只处理.xml文件

        base_name = os.path.splitext(xml_file)[0]  # 获取文件名（不含扩展名）

        image_path = None
        # 查找对应的图片文件，尝试常见的图像扩展名
        for ext in ['.jpg', '.jpeg', '.png', '.bmp']:
            img_path = os.path.join(image_dir, base_name + ext)
            if os.path.exists(img_path):
                image_path = img_path
                break

        if image_path is None:
            print(f"警告: 没有找到 {xml_file} 对应的图片，跳过。")
            continue

        # 构建输出txt文件路径
        txt_file = os.path.splitext(xml_file)[0] + '.txt'
        txt_path = os.path.join(label_dir, txt_file)

        # 执行转换
        convert_voc_to_yolo(xml_path, image_path, txt_path)
        print(f"已转换: {xml_file} -> {txt_file}")

if __name__ == '__main__':
    convert_all()  # 主程序入口，开始批量转换