### 使用 Python 将 XML 文件转换为 COCO 数据集 JSON 格式的示例 为了实现这一目标，通常会使用 `xml.etree.ElementTree` 库来解析 XML 文件，并构建符合 COCO 数据集标准的 JSON 结构。下面是一个完整的例子。 #### 安装必要的库 首先安装所需的第三方库： ```bash pip install lxml pycocotools ``` #### 解析 XML 并创建 COCO JSON 的代码如下： ```python import os from lxml import etree import json import uuid def parse_xml(xml_file): tree = etree.parse(xml_file) root = tree.getroot() filename = root.find('filename').text size = root.find('size') width = int(size.find('width').text) height = int(size.find('height').text) objects = [] for obj in root.findall('object'): name = obj.find('name').text bndbox = obj.find('bndbox') xmin = float(bndbox.find('xmin').text) ymin = float(bndbox.find('ymin').text) xmax = float(bndbox.find('xmax').text) ymax = float(bndbox.find('ymax').text) bbox_width = xmax - xmin bbox_height = ymax - ymin object_info = { "category_id": get_category_id(name), "bbox": [xmin, ymin, bbox_width, bbox_height], "area": bbox_width * bbox_height, "iscrowd": 0 } objects.append(object_info) image_info = { "id": str(uuid.uuid4()), "file_name": filename, "width": width, "height": height } return image_info, objects def create_coco_format(xml_folder, output_json): categories = [{"supercategory": "", "id": i+1, "name": label} for i, label in enumerate(get_all_labels())] images = [] annotations = [] annotation_id = 1 for xml_file in os.listdir(xml_folder): if not xml_file.endswith('.xml'): continue img_info, objs = parse_xml(os.path.join(xml_folder, xml_file)) images.append(img_info) for obj in objs: obj["id"] = annotation_id annotation_id += 1 annotations.extend(objs) coco_data = { 'images': images, 'annotations': annotations, 'categories': categories } with open(output_json, 'w') as f: json.dump(coco_data, f) if __name__ == '__main__': # 假设所有的标注文件存放在 './Annotations' 文件夹下 create_coco_format('./Annotations', './coco_dataset.json') ``` 此脚本遍历指定目录中的所有 XML 文件，提取图像信息和对象边界框信息，并将其保存到遵循 COCO 数据集格式的 JSON 文件中[^1]。