### 将 TXT 文件转换为注释（Annotation）格式 在计算机视觉领域，数据集通常需要特定的注释格式以便训练模型。YOLOv5 使用了一种简单的文本文件格式来存储边界框信息。为了将普通的 TXT 文件转换为 YOLOv5 所需的注释格式，可以按照以下方法实现。 #### 转换逻辑 YOLOv5 的注释文件遵循以下规则： - 每个对象占一行。 - 每行的内容由五个部分组成：`<class_id> <x_center> <y_center> <width> <height>`。 - 坐标和尺寸均以相对图像宽度和高度的比例表示[^4]。 假设输入的 TXT 文件包含绝对坐标值以及类别标签，可以通过 Python 编写脚本来完成转换： ```python import os def convert_to_yolo_format(input_txt_path, output_dir, image_width, image_height): """ Convert a plain text file into YOLO annotation format. Args: input_txt_path (str): Path to the input TXT file. output_dir (str): Directory where the converted annotations will be saved. image_width (int): Width of the corresponding image. image_height (int): Height of the corresponding image. """ with open(input_txt_path, 'r') as f: lines = f.readlines() yolo_annotations = [] for line in lines: parts = line.strip().split(' ') class_id = int(parts[0]) # Class ID should be an integer x_min, y_min, x_max, y_max = map(float, parts[1:]) # Bounding box coordinates # Normalize bounding box values relative to image dimensions width = (x_max - x_min) / image_width height = (y_max - y_min) / image_height x_center = ((x_min + x_max) / 2) / image_width y_center = ((y_min + y_max) / 2) / image_height # Append normalized data to list yolo_annotations.append(f"{class_id} {x_center:.6f} {y_center:.6f} {width:.6f} {height:.6f}") # Save results to new file base_name = os.path.basename(input_txt_path).replace('.txt', '') output_file = os.path.join(output_dir, f"{base_name}.txt") with open(output_file, 'w') as out_f: out_f.write('\n'.join(yolo_annotations)) # Example usage convert_to_yolo_format( input_txt_path='input.txt', output_dir='./annotations', image_width=2560, image_height=1440 ) ``` 上述代码实现了从标准 TXT 文件到 YOLO 注释格式的转换过程。它读取每行中的类别 ID 和边界框坐标，并将其标准化为相对于图像大小的比例值。 --- #### 注意事项 1. **类别的映射** 如果原始 TXT 文件中的类别名称不是整数形式，则需要先定义一个类别映射表，例如 `{"遗撒": 0, "施工锥形桶": 1}` 来将字符串转化为索引编号。 2. **图像分辨率的一致性** 确保用于计算比例的图像宽高与实际图片一致，否则可能导致错误的结果。 3. **异常处理** 添加必要的异常捕获机制以应对可能存在的非法输入或缺失字段的情况。 --- ### 输出示例 假设有如下输入 TXT 文件 (`input.txt`)： ``` 0 1238 995 1391 1067 1 1500 1000 1600 1100 ``` 运行脚本后会生成对应的 YOLO 格式的注释文件 (`output.txt`)： ``` 0 0.507812 0.726389 0.060156 0.049306 1 0.625000 0.750000 0.039062 0.069444 ``` ---