1. 项目背景与需求解析在地铁工业视觉检测项目中我们经常需要处理不同标注格式之间的转换问题。最近在参与上海某地铁线路的接触网部件检测项目时就遇到了一个典型场景硬件供应商提供的标注数据是PascalVOC格式的XML文件而我们的模型训练使用的是苹果的CreateML框架需要JSON格式的标注文件。这种格式转换需求在工业视觉项目中非常普遍。PascalVOC作为计算机视觉领域的经典标注格式采用XML结构存储目标的类别和边界框信息而CreateML JSON则是苹果生态特有的标注格式专为Core ML模型训练优化。两者虽然都能表示相同的视觉标注信息但数据结构差异很大。2. 格式差异深度对比2.1 PascalVOC XML结构解析典型的PascalVOC XML文件包含以下关键字段annotation filenameimage_001.jpg/filename size width800/width height600/height depth3/depth /size object nameinsulator/name bndbox xmin100/xmin ymin200/ymin xmax300/xmax ymax400/ymax /bndbox /object /annotation2.2 CreateML JSON结构解析对应的CreateML JSON格式如下{ image: image_001.jpg, annotations: [ { label: insulator, coordinates: { x: 200, y: 300, width: 200, height: 200 } } ] }关键差异点坐标表示方式PascalVOC使用左上和右下两点坐标CreateML使用中心点坐标加宽高数据结构PascalVOC是严格的层级XMLCreateML是扁平化的JSON图像尺寸PascalVOC显式存储CreateML不强制要求3. 转换工具设计与实现3.1 核心转换逻辑转换过程主要分为三个步骤解析XML获取原始标注数据进行坐标系转换生成符合CreateML规范的JSON坐标转换公式center_x (xmin xmax) / 2 center_y (ymin ymax) / 2 width xmax - xmin height ymax - ymin3.2 Python实现代码import xml.etree.ElementTree as ET import json import os def voc_to_createml(xml_path, output_dir): tree ET.parse(xml_path) root tree.getroot() # 提取基础信息 filename root.find(filename).text size root.find(size) width int(size.find(width).text) height int(size.find(height).text) annotations [] for obj in root.iter(object): cls_name obj.find(name).text bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 坐标转换 center_x (xmin xmax) / 2 center_y (ymin ymax) / 2 bbox_width xmax - xmin bbox_height ymax - ymin annotations.append({ label: cls_name, coordinates: { x: center_x, y: center_y, width: bbox_width, height: bbox_height } }) # 生成JSON结构 createml_data { image: filename, annotations: annotations } # 保存输出 output_path os.path.join(output_dir, os.path.splitext(filename)[0] .json) with open(output_path, w) as f: json.dump(createml_data, f, indent2)4. 批量处理与性能优化4.1 多文件批量处理在实际项目中我们通常需要处理成百上千个标注文件。可以扩展上述函数def batch_convert(input_dir, output_dir): if not os.path.exists(output_dir): os.makedirs(output_dir) for xml_file in os.listdir(input_dir): if xml_file.endswith(.xml): xml_path os.path.join(input_dir, xml_file) try: voc_to_createml(xml_path, output_dir) print(f成功转换: {xml_file}) except Exception as e: print(f转换失败 {xml_file}: {str(e)})4.2 性能优化技巧使用多进程处理from multiprocessing import Pool def parallel_convert(xml_files, output_dir, workers4): with Pool(workers) as p: p.starmap(voc_to_createml, [(f, output_dir) for f in xml_files])内存优化对于超大标注集可以使用SAX解析器替代DOM解析器5. 常见问题与解决方案5.1 坐标越界问题在地铁工业图像中有时会出现标注框部分超出图像边界的情况。需要在转换时进行边界检查# 在坐标转换后添加边界检查 center_x max(0, min(width, center_x)) center_y max(0, min(height, center_y)) bbox_width min(width - center_x, bbox_width) bbox_height min(height - center_y, bbox_height)5.2 类别映射需求有时PascalVOC中的类别名称需要映射到CreateML中的不同名称CLASS_MAPPING { insulator: ceramic_insulator, wire: contact_wire } # 在获取类别名称时 cls_name CLASS_MAPPING.get(obj.find(name).text, obj.find(name).text)5.3 图像路径处理CreateML要求图像路径是相对路径需要特别处理# 修改输出JSON中的image字段 createml_data { image: os.path.basename(filename), # 其他字段... }6. 实际应用案例在上海地铁接触网检测项目中我们处理了约15,000张图像标注主要检测以下缺陷绝缘子破损接触线磨损紧固件松动转换后的数据成功用于训练CreateML模型最终在iPhone端实现了实时检测F1-score达到0.93。7. 扩展功能7.1 可视化验证工具为确保转换准确性可以开发简单的可视化工具import cv2 def visualize_annotation(image_path, json_path): image cv2.imread(image_path) with open(json_path) as f: data json.load(f) for ann in data[annotations]: coord ann[coordinates] x, y, w, h coord[x], coord[y], coord[width], coord[height] x1, y1 int(x - w/2), int(y - h/2) x2, y2 int(x w/2), int(y h/2) cv2.rectangle(image, (x1, y1), (x2, y2), (0,255,0), 2) cv2.putText(image, ann[label], (x1, y1-10), cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0,255,0), 2) cv2.imshow(Annotation, image) cv2.waitKey(0)7.2 格式反向转换有时也需要将CreateML JSON转回PascalVOC XMLdef createml_to_voc(json_path, output_dir): with open(json_path) as f: data json.load(f) # 构建XML结构 # 实现细节类似前面的反向过程 # ...8. 工程实践建议版本控制建议将转换脚本与标注数据一同纳入版本管理数据校验转换后应随机抽样检查确保无数据丢失或错误日志记录建议添加详细的转换日志记录处理成功的文件和失败原因单元测试为转换函数编写单元测试覆盖各种边界情况在地铁工业视觉项目中我们建立了完整的转换流水线原始数据质检格式转换可视化验证数据增强最终打包这套流程将标注转换的错误率从最初的手工处理时的5%降低到了0.1%以下。