Python批量标注与训练集生成方法

在文章实战开发的过程中，我们经常会遇到一些这样那样的问题，然后要卡好半天，等问题解决了才发现原来一些细节知识点还是没有掌握好。今天golang学习网就整理分享《Python批量标注与训练集生成教程》，聊聊，希望可以帮助到正在努力赚钱的你。

Python批量标注图像并生成训练集的核心是构建可重复流程：一用labelImg或CVAT半自动标注并统一命名；二用脚本校验、转换格式（如VOC转YOLO）；三按类别分层划分数据集并生成配置文件。

用Python批量标注图像并生成训练集，核心是把“人工标注”变成“可重复的流程”，关键不在工具多炫酷，而在结构清晰、格式统一、后续能直接喂给模型。下面分三步讲清楚：怎么快速打标签、怎么存成标准格式、怎么切分训练验证集。

一、用labelImg或CVAT做半自动标注（省时又规范）

别手写XML或JSON——容易错、难维护。推荐两个主流工具：

• labelImg：轻量级，适合小项目。安装后打开图片，画框、输类别名，自动保存为Pascal VOC格式的XML文件。支持快捷键（W画框、D下一张），还能加载预训练YOLO模型辅助初筛。
• CVAT：开源在线平台，支持多人协作、视频帧标注、属性标记（比如“戴口罩：是/否”）。导出时选COCO JSON或YOLO TXT，和主流框架无缝对接。

标注前先统一命名规则（如img_001.jpg）、建好目录结构（images/ 和 labels/ 平行），后面脚本才好批量处理。

二、用Python脚本批量转换与校验格式

标注完不是终点，得检查、对齐、转格式。常见问题：图片没对应标签、坐标越界、类别名拼错。一段实用脚本逻辑如下：

• 遍历images/目录，提取所有jpg/png文件名；
• 按同名查找labels/下的XML或TXT，缺一个就报错提醒；
• 读XML解析bbox坐标，检查是否在0~1范围内（YOLO要求归一化）；
• 把VOC转YOLO格式：生成classes.txt，每张图对应一个xxx.txt，每行cls_id x_center y_center width height。

不用从头写——yolo2voc、voc2yolo等开源转换脚本可直接改用，重点是加几行校验逻辑，避免训练时报“index out of bounds”。

三、自动划分train/val/test并生成数据配置文件

按比例随机拆分不是难点，关键是保留类别分布均衡（尤其小样本类别）。建议用sklearn.model_selection.train_test_split配合stratify参数：

• 先统计每张图的主类别（取出现次数最多的cls_id），作为分层依据；
• 调用train_test_split(..., test_size=0.2, stratify=class_labels)确保val集里猫狗比例和原数据一致；
• 生成dataset.yaml（YOLOv8用）或train.txt/val.txt（Darknet用），内容就是图片绝对路径列表。

额外提示：加个--shuffle开关，每次运行结果可复现；保存划分结果到splits/目录，方便回溯。

基本上就这些。不复杂但容易忽略的是：标注阶段定好类别顺序、脚本里加路径存在性判断、每次生成前清空旧输出目录。跑通一次，后续新数据进来只要三步：放图→点标注→运行脚本→开训。

到这里，我们也就讲完了《Python批量标注与训练集生成方法》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！