Pascal VOC形式のxmlファイルをPythonで読む #Python

Pascal VOC形式のxmlファイルをPythonで読む

はじめに

ツールを利用してアノテーションをおこなったはいいが、さぁ物体検知を試そうという段階になって
想定しているフォーマットが微妙に違い加工が必要なケースは結構あるかと思います。

ということで、Pascal VOC形式のxmlファイルを読んで必要な情報を取り出すようにしました。

xmlファイル

以下のようなものです。アノテーション作業はlabelImgを利用しました。
ペットボトル２本と缶の位置を記録しています。

IMG_1542.xml

<annotation>
    <folder>181208</folder>
    <filename>IMG_1542.JPG</filename>
    <path>/181208/IMG_1542.JPG</path>
    <source>
        <database>Unknown</database>
    </source>
    <size>
        <width>4032</width>
        <height>3024</height>
        <depth>3</depth>
    </size>
    <segmented>0</segmented>
    <object>
        <name>petbottle</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>733</xmin>
            <ymin>507</ymin>
            <xmax>1383</xmax>
            <ymax>2232</ymax>
        </bndbox>
    </object>
    <object>
        <name>can</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>1608</xmin>
            <ymin>1412</ymin>
            <xmax>2028</xmax>
            <ymax>2292</ymax>
        </bndbox>
    </object>
    <object>
        <name>petbottle</name>
        <pose>Unspecified</pose>
        <truncated>0</truncated>
        <difficult>0</difficult>
        <bndbox>
            <xmin>2548</xmin>
            <ymin>547</ymin>
            <xmax>3143</xmax>
            <ymax>2467</ymax>
        </bndbox>
    </object>
</annotation>

Pythonで情報の取得

以下の処理では、all_listに画像ファイル名と、クラスと位置の情報を格納しています。

# coding:utf-8

import xml.etree.ElementTree as ET

FILE = 'IMG_1542.xml'

file = open(FILE)
tree = ET.parse(file)
root = tree.getroot()

all_list = []

img_file = root.find('filename').text  # 画像ファイル名を取得

for obj in root.iter('object'):
    cls = obj.find('name').text
    xmlbox = obj.find('bndbox')
    b = [int(xmlbox.find('xmin').text), int(xmlbox.find('ymin').text), int(xmlbox.find('xmax').text), int(xmlbox.find('ymax').text)]

    all_list.append([img_file] + b + [cls])

all_listは以下のようになります。

[['IMG_1542.JPG', 733, 507, 1383, 2232, 'petbottle'],
 ['IMG_1542.JPG', 1608, 1412, 2028, 2292, 'can'],
 ['IMG_1542.JPG', 2548, 547, 3143, 2467, 'petbottle']]