【物体検知】xmlファイルをtxtファイルに変換する【アノテーション】

Itoi Yoshihiko

横浜国立大学理工学部建築都市環境系学科卒
一級鉄筋技能士
唎酒師

YOLOを使って物体検知のAIの精度を向上させるには画像データと画像データに付随したアノテーションデータを用意する必要があります。

YOLOの場合、アノテーションデータはxmlファイルではなくtxtファイルである必要があります。

xmlファイル形式のアノテーションデータは持っているけれども、これをtxtファイル形式にするにはどうすれば良いかわからない方も多いのではないでしょうか。

この記事ではxmlファイルをtxtファイルに変換する方法について紹介していきます。

アノテーションについて

アノテーションについて簡単に確認していきましょう。

アノテーション作業について注意点や工夫点、外注コストを解説

labelImgにはPascalVOC形式とYOLO形式がある

アノテーションとはAIの学習データを作成する作業で、一般的に使用されているのはlabelImgというツールです。

アノテーションデータの保存形式には2つあり、PascalVOC形式とYOLO形式があります。

YOLOで物体検知をするにはtxtファイルでアノテーションデータを保存しなければならない

YOLOを使って物体検知をする際は、xml形式ではなくtxt形式でデータを用意する必要があります。

しかし、すでに用意してあったデータの形式がPascalVOC形式でxmlファイルだったということもあるでしょう。

その場合はxmlファイルをtxtファイルに変換しなければなりません。

xmlファイルをtxtファイルに変換する

xmlファイルをtxtファイルに変換する方法を見ていきましょう。

以下のコードを参考にさせていただきました。

Convert Pascal VOC XML Annotation files to YOLO format text files

Google Driveに画像、xmlファイルを用意する

以下がxmlファイルをtxtファイルに変換するコードです。

指定するGoogle Driveディレクトリはすべて同じもので問題ないです。

############    Please edit this section only.#######################################################################################################

#  The paths must end with '/'.      
absolutepath_of_directory_with_xmlfiles = '/content/drive/MyDrive/tekkin/'  #　It is okay to have a mix of xml files and images in the same directory.
absolutepath_of_directory_with_imgfiles = '/content/drive/MyDrive/tekkin/'
absolutepath_of_directory_with_yolofiles = '/content/drive/MyDrive/tekkin/'  # Yolo files will be created under this directory.
absolutepath_of_directory_with_classes_txt = '/content/drive/MyDrive/tekkin/'  # You do not need to create classes.txt. classes.txt will be generated automatically.
absolutepath_of_directory_with_error_txt = '/content/drive/MyDrive/tekkin/'  # The file names of files that do not have a paired xml or image file will be written to a text file under this directory.

#####################################################################################################################################################

import os
import cv2
from lxml import etree
from xml.etree import ElementTree
from glob import glob


class GetDataFromXMLfile:
    def __init__(self, xmlfile_path):
        self.xmlfile_path = xmlfile_path
        self.xmlfile_datalists_list = []

    def get_datalists_list(self):
        self.parse_xmlfile()
        return self.xmlfile_datalists_list

    def parse_xmlfile(self):
        lxml_parser = etree.XMLParser(encoding='utf-8')
        xmltree = ElementTree.parse(self.xmlfile_path, parser=lxml_parser).getroot()

        for object in xmltree.findall('object'):
            xmlfile_datalist = []
            class_name = object.find('name').text
            xmlfile_datalist.append(class_name)
            bndbox = object.find("bndbox")
            xmlfile_datalist.append(bndbox)
            self.xmlfile_datalists_list.append(xmlfile_datalist)

        img_filename = xmltree.find('filename').text
        
        self.add_data_to_datalist(img_filename)
    
    def add_data_to_datalist(self, img_filename):
        for xmlfile_datalist in self.xmlfile_datalists_list:
            xmin = float(xmlfile_datalist[1].find('xmin').text)
            ymin = float(xmlfile_datalist[1].find('ymin').text)
            xmax = float(xmlfile_datalist[1].find('xmax').text)
            ymax = float(xmlfile_datalist[1].find('ymax').text)
            bndbox_coordinates_list = [(xmin, ymin), (xmax, ymin), (xmax, ymax), (xmin, ymax)]
            xmlfile_datalist[1] = bndbox_coordinates_list
        self.xmlfile_datalists_list.append(img_filename)
        self.xmlfile_datalists_list.append(self.xmlfile_path)


class CreateYOLOfile:
    def __init__(self, xmlfile_datalists_list, classes_list):
        self.xmlfile_datalists_list = xmlfile_datalists_list
        self.xmlfile_path = self.xmlfile_datalists_list.pop()
        self.img_filename = self.xmlfile_datalists_list.pop()
        self.yolofile_path = absolutepath_of_directory_with_yolofiles + os.path.basename(self.xmlfile_path).split('.', 1)[0] + '.txt'
        self.classes_list = classes_list
        try:
            (self.img_height, self.img_width, _) = cv2.imread(absolutepath_of_directory_with_imgfiles + self.img_filename).shape
            self.create_yolofile()
        except:
            with open(absolutepath_of_directory_with_error_txt+'xmlfiles_with_no_paired.txt', 'a') as f:
                f.write(os.path.basename(self.xmlfile_path)+'\n')

    def create_yolofile(self):
        for xmlfile_datalist in self.xmlfile_datalists_list:
            yolo_datalist = self.convert_xml_to_yolo_format(xmlfile_datalist)

            with open(self.yolofile_path, 'a') as f:
                f.write("%d %.06f %.06f %.06f %.06f\n" % (yolo_datalist[0], yolo_datalist[1], yolo_datalist[2], yolo_datalist[3], yolo_datalist[4]))

    def convert_xml_to_yolo_format(self, xmlfile_datalist):
        class_name = xmlfile_datalist[0]
        self.add_class_to_classeslist(class_name)
        bndbox_coordinates_list = xmlfile_datalist[1]
        coordinates_min = bndbox_coordinates_list[0]
        coordinates_max = bndbox_coordinates_list[2]

        class_id = self.classes_list.index(class_name)
        yolo_xcen = float((coordinates_min[0] + coordinates_max[0])) / 2 / self.img_width
        yolo_ycen = float((coordinates_min[1] + coordinates_max[1])) / 2 / self.img_height
        yolo_width = float((coordinates_max[0] - coordinates_min[0])) / self.img_width
        yolo_height = float((coordinates_max[1] - coordinates_min[1])) / self.img_height
        yolo_datalist = [class_id, yolo_xcen, yolo_ycen, yolo_width, yolo_height]

        return yolo_datalist
    
    def add_class_to_classeslist(self, class_name):
        if class_name not in self.classes_list:
            self.classes_list.append(class_name)


class CreateClasssesfile:
    def __init__(self, classes_list):
        self.classes_list = classes_list

    def create_classestxt(self):
        with open(absolutepath_of_directory_with_classes_txt + 'classes.txt', 'w') as f:
            for class_name in self.classes_list:
                f.write(class_name+'\n')


xmlfiles_pathlist = glob(absolutepath_of_directory_with_xmlfiles + "/*.xml")
classes_list = []

for xmlfile_path in xmlfiles_pathlist:
    process_xmlfile = GetDataFromXMLfile(xmlfile_path)
    xmlfile_datalists_list = process_xmlfile.get_datalists_list()
    CreateYOLOfile(xmlfile_datalists_list, classes_list)

process_classesfile = CreateClasssesfile(classes_list)
process_classesfile.create_classestxt()

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

############ Please edit this section only.#######################################################################################################

# The paths must end with '/'.

absolutepath_of_directory_with_xmlfiles = '/content/drive/MyDrive/tekkin/' #　It is okay to have a mix of xml files and images in the same directory.

absolutepath_of_directory_with_imgfiles = '/content/drive/MyDrive/tekkin/'

absolutepath_of_directory_with_yolofiles = '/content/drive/MyDrive/tekkin/' # Yolo files will be created under this directory.

absolutepath_of_directory_with_classes_txt = '/content/drive/MyDrive/tekkin/' # You do not need to create classes.txt. classes.txt will be generated automatically.

absolutepath_of_directory_with_error_txt = '/content/drive/MyDrive/tekkin/' # The file names of files that do not have a paired xml or image file will be written to a text file under this directory.

#####################################################################################################################################################

import os

import cv2

from lxml import etree

from xml.etree import ElementTree

from glob import glob

class GetDataFromXMLfile:

def __init__(self, xmlfile_path):

self.xmlfile_path = xmlfile_path

self.xmlfile_datalists_list = []

def get_datalists_list(self):

self.parse_xmlfile()

return self.xmlfile_datalists_list

def parse_xmlfile(self):

lxml_parser = etree.XMLParser(encoding='utf-8')

xmltree = ElementTree.parse(self.xmlfile_path, parser=lxml_parser).getroot()

for object in xmltree.findall('object'):

xmlfile_datalist = []

class_name = object.find('name').text

xmlfile_datalist.append(class_name)

bndbox = object.find("bndbox")

xmlfile_datalist.append(bndbox)

self.xmlfile_datalists_list.append(xmlfile_datalist)

img_filename = xmltree.find('filename').text

self.add_data_to_datalist(img_filename)

def add_data_to_datalist(self, img_filename):

for xmlfile_datalist in self.xmlfile_datalists_list:

xmin = float(xmlfile_datalist[1].find('xmin').text)

ymin = float(xmlfile_datalist[1].find('ymin').text)

xmax = float(xmlfile_datalist[1].find('xmax').text)

ymax = float(xmlfile_datalist[1].find('ymax').text)

bndbox_coordinates_list = [(xmin, ymin), (xmax, ymin), (xmax, ymax), (xmin, ymax)]

xmlfile_datalist[1] = bndbox_coordinates_list

self.xmlfile_datalists_list.append(img_filename)

self.xmlfile_datalists_list.append(self.xmlfile_path)

class CreateYOLOfile:

def __init__(self, xmlfile_datalists_list, classes_list):

self.xmlfile_datalists_list = xmlfile_datalists_list

self.xmlfile_path = self.xmlfile_datalists_list.pop()

self.img_filename = self.xmlfile_datalists_list.pop()

self.yolofile_path = absolutepath_of_directory_with_yolofiles + os.path.basename(self.xmlfile_path).split('.', 1)[0] + '.txt'

self.classes_list = classes_list

try:

(self.img_height, self.img_width, _) = cv2.imread(absolutepath_of_directory_with_imgfiles + self.img_filename).shape

self.create_yolofile()

except:

with open(absolutepath_of_directory_with_error_txt+'xmlfiles_with_no_paired.txt', 'a') as f:

f.write(os.path.basename(self.xmlfile_path)+'\n')

def create_yolofile(self):

for xmlfile_datalist in self.xmlfile_datalists_list:

yolo_datalist = self.convert_xml_to_yolo_format(xmlfile_datalist)

with open(self.yolofile_path, 'a') as f:

f.write("%d %.06f %.06f %.06f %.06f\n" % (yolo_datalist[0], yolo_datalist[1], yolo_datalist[2], yolo_datalist[3], yolo_datalist[4]))

def convert_xml_to_yolo_format(self, xmlfile_datalist):

class_name = xmlfile_datalist[0]

self.add_class_to_classeslist(class_name)

bndbox_coordinates_list = xmlfile_datalist[1]

coordinates_min = bndbox_coordinates_list[0]

coordinates_max = bndbox_coordinates_list[2]

class_id = self.classes_list.index(class_name)

yolo_xcen = float((coordinates_min[0] + coordinates_max[0])) / 2 / self.img_width

yolo_ycen = float((coordinates_min[1] + coordinates_max[1])) / 2 / self.img_height

yolo_width = float((coordinates_max[0] - coordinates_min[0])) / self.img_width

yolo_height = float((coordinates_max[1] - coordinates_min[1])) / self.img_height

yolo_datalist = [class_id, yolo_xcen, yolo_ycen, yolo_width, yolo_height]

return yolo_datalist

def add_class_to_classeslist(self, class_name):

if class_name not in self.classes_list:

self.classes_list.append(class_name)

class CreateClasssesfile:

def __init__(self, classes_list):

self.classes_list = classes_list

def create_classestxt(self):

with open(absolutepath_of_directory_with_classes_txt + 'classes.txt', 'w') as f:

for class_name in self.classes_list:

f.write(class_name+'\n')

xmlfiles_pathlist = glob(absolutepath_of_directory_with_xmlfiles + "/*.xml")

classes_list = []

for xmlfile_path in xmlfiles_pathlist:

process_xmlfile = GetDataFromXMLfile(xmlfile_path)

xmlfile_datalists_list = process_xmlfile.get_datalists_list()

CreateYOLOfile(xmlfile_datalists_list, classes_list)

process_classesfile = CreateClasssesfile(classes_list)

process_classesfile.create_classestxt()

自分で用意したデータを取得する

今回は画像を100枚用意しました。

用意したデータを取得してみると、しっかり準備ができました。

import glob
import shutil
from sklearn.model_selection import train_test_split
import os 

data_path = "/content/drive/MyDrive/tekkin/"
x_list = glob.glob(data_path + "*.jpg") + glob.glob(data_path + "*.JPG")
y_list = glob.glob(data_path + "*.txt")
x_train, x_test, y_train, y_test = train_test_split(x_list, y_list)
print("学習数", len(x_train))
print("テスト数", len(x_test))

学習数 75
テスト数 25

import glob

import shutil

from sklearn.model_selection import train_test_split

import os

data_path = "/content/drive/MyDrive/tekkin/"

x_list = glob.glob(data_path + "*.jpg") + glob.glob(data_path + "*.JPG")

y_list = glob.glob(data_path + "*.txt")

x_train, x_test, y_train, y_test = train_test_split(x_list, y_list)

print("学習数", len(x_train))

print("テスト数", len(x_test))

学習数 75

テスト数 25

まとめ

この記事ではxmlファイルをtxtファイルに変換する方法について紹介しました。

初学者はエラー対応だけでもとても長い時間を取られてしまいます。

この記事が、物体検知に取り組んでいる企業の皆さんのお役に立てれば幸いです。

【PyTorch】GPUのメモリ不足エラーの対処方法

AIによる部資材（鉄筋）の個数カウントについて課題から開発手順まで解説！