数据格式是voc格式的xml

训练之前要统计确定标签中的脚本都有哪些，以及不同种类的物体数量，确保没有部分目标过多或者过少的情况，导致训练结果不理想
话不多说直接上脚本

import os
import xml.etree.ElementTree as ET
import shutil
# 从所有类别中统计出不同物种的数据集个数，选择几个个数相近的数据集用于训练

classes = list()
ann_filepath = 'Annotations/'

cls_num = 0
matrix=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]
def findclass(file):
    global cls_num
    tree = ET.parse(ann_filepath + '/' + file)
    root = tree.getroot()
    result = root.findall("object")
    bool_num = 0
    for obj in result:
        cls = obj.find('name').text
        if cls not in classes:
            classes.append(cls)
            cls_num = cls_num + 1
        cls_id = classes.index(cls)
        matrix[cls_id]=matrix[cls_id]+1
if __name__ == '__main__':
    for f in os.listdir(ann_filepath):
        findclass(f)
    print(classes)
    print(matrix)

字数不够500字我解释下这段代码

classes = list():定义统计种类用的列表
global cls_num 是声明这个变量和全局的那个cls_num是同一个东西 不写会报错
xml.etree.ElementTree 是Python3 xml解析模块
ET.parse：从文件读取数据
tree.getroot：获取根节点（个人感觉是xml文件的最底层）
root.findall("object")：先找文件夹object标签下的内容
cls = obj.find('name').text：找到 object 内name标签下的内容，组成列表
for obj in result: 遍历单一文件下的每个标签，判定是否已经统计到种类中，不存在就append到列表后面，存在的话就直接根据index索引到它在matrix中元素的个数，在原有的基础上 +1。
for f in os.listdir(ann_filepath):遍历文件夹下的所有xml文件
最后是打印统计结果

算了 放弃了 我再贴一个处理脚本吧

遍历路径下的标签以及对应目标物，筛选出需要的标签种类，并且将数据集分类为训练集和测试集，将图像和标签保存到对应的文件夹下，目前代码实现的功能是选取每一种的前700张作为测试测，剩下的作为训练集。yolo 的一般处理是7:2:1或者7:3，我这里没保留验证集，有需要自己加。txt生成的是个没有用的东西，忘了注释了

#!/usr/bin/env python
# -*- encoding: utf-8 -*-
import os
import xml.etree.ElementTree as ET
import shutil
 
#根据自己的情况修改相应的路径
ann_filepath = 'Annotations/'
img_filepath = 'JPEGImages/'
img_savepath = 'tra/'
val_savepath = 'val/'   #val_savepath : 'val/'
annv_savepath = 'annv/'
annt_savepath = 'annt/'
# 路径不存在则创建
if not os.path.exists(img_savepath):
    os.mkdir(img_savepath)
 
if not os.path.exists(annv_savepath):
    os.mkdir(annv_savepath)

if not os.path.exists(annt_savepath):
    os.mkdir(annt_savepath)

if not os.path.exists(val_savepath):
    os.mkdir(val_savepath)

classes = ['missing_hole', 'mouse_bite', 'open_circuit', 'short', 'spurious_copper','spur']#这里是需要提取的类别

matrix=[0,0,0,0,0,0]

def save_annotation(file):
    tree = ET.parse(ann_filepath + '/' + file)
    root = tree.getroot()
    result = root.findall("object")
    bool_num = 0
    val =False
    for obj in result:
        if obj.find("name").text not in classes:
            root.remove(obj)
        else:
            bool_num = 1
            cls = obj.find('name').text
            cls_id = classes.index(cls)
            matrix[cls_id]=matrix[cls_id]+1
            if matrix[cls_id]<700 :
                val =True
    if bool_num:
        if val:
            tree.write(annv_savepath + file)
        else :
            tree.write(annt_savepath + file)
        return True,val
    else:
        return False,val
 
def save_images(file,val):
    
    #文本文件名自己定义，主要用于生成相应的训练或测试的txt文件
    if val :
        with open('val.txt', 'a') as file_txt:
            name_img = img_filepath + os.path.splitext(file)[0] + ".jpg"
            shutil.copy(name_img, val_savepath)
            file_txt.write(os.path.splitext(file)[0])
            file_txt.write("\n")
    else:
        with open('tra.txt', 'a') as file_txt:
            name_img = img_filepath + os.path.splitext(file)[0] + ".jpg"
            shutil.copy(name_img, img_savepath)
            file_txt.write(os.path.splitext(file)[0])
            file_txt.write("\n")
    return True
# 使用select脚本把图片筛选出来存到val 和tra文件夹中，并且生成val.txt和tra.txt
if __name__ == '__main__':

    for f in os.listdir(ann_filepath):
        val = False
        a,val = save_annotation(f)
        if a :
            save_images(f,val)