# v2yWdtc

v2yWdtc 是我无聊编写的一款将 VOC 格式转换为 YOLO 格式的工具，它的构成非常简单，尽管如此它很强大，它可以辅助你分析你的数据集是否有异常的数据，同时针对空标签还有过滤功能。

• 快速转换：一键将 VOC 格式标签转换为 YOLO 格式。
• 数据预检测：统计数据集，辅助你发现异常标签或标注问题。
• 空标签过滤：自动过滤空标签，保证训练数据质量。
• 简单易用：无需复杂配置，几步操作即可完成数据预处理。

# 开源地址 - ⭐！

v2yWdtc：https://github.com/735690757/v2yWdtc

# 项目结构

目录 / 文件	核心职能说明
Annotations/	原始标签存放地。通常存放标准的 XML 格式文件，包含目标类别和边界框坐标。
Imagesets/	数据集索引中心。存放 train.txt , val.txt , test.txt 等。之前的报错正是因为程序无法在此找到这些索引文件。
JPEGImages/	原始图像库。存放所有训练和测试用的图片（ .jpg 格式）。
Tools/	数据诊断工具箱。包含用于分析数据集质量的脚本（如 check.py 检查完整性， cbox.py 分析边界框分布）。
images_tag.py	标签处理模块。可能涉及图像标注的自动化处理或类别名称映射。
imgsWlabels.py	数据分发引擎。负责根据索引文件将图片和转换后的标签文件分发到指定的训练 / 验证文件夹中。
main.py	项目总入口。一键化操作的控制台，通过调用其他模块完成全流程转换。
voc_to_yolo.py	格式转换核心。执行最关键的 XML 到 TXT 归一化转换逻辑。

# train 与 val 模式、trainval 模式

切换模式只需要修改 main.py 的此处：

# train 与 val 模式（0 模式）（默认模式）

在这种模式下，数据集被分为三个部分：训练集、验证集、测试集，这种模式的特点是：训练集和验证集是分开的，避免数据泄露，确保模型的泛化能力。

# trainval 模式（1 模式）

在 trainval 模式下，训练集和验证集被合并为一个整体的数据集，模型在整个 trainval 数据集上进行训练和验证。这种模式通常用于特定的任务，例如数据量不大时，可以通过合并训练集和验证集来提升训练集的多样性和大小。

# 使用方法

1. 将图片数据放在 JPEGImages 下
2. 将 xml 放在 Annotation 下
3. 执行主函数
4. ok 了就

# 执行过程

# 结果文件

紫色输出结果是图片（训练、验证、测试）和标签（训练、验证、测试）

白色输出结果是这样的索引记录格式：

# 参考开源脚本

https://github.com/JieZzzoo/Data_Trans