labelimg是一个训练深度学习网络时常用的标注数据，生成标签的软件。它其中生成的标签类型分为三种，分别为pascal voc、yolo以及create ml。切换方式可以点击change save format这个按钮。

1、voc数据集

1. Annotation文件夹存放的是xml文件，该文件是对图片的解释，每张图片都对于一个同名的xml文件。
2. ImageSets文件夹存放的是txt文件，这些txt将数据集的图片分成了各种集合。如Main下的train.txt中记录的是用于训练的图片集合
3. JPEGImages文件夹存放的是数据集的原图片
   
   
   
   
   在这里，如果你使用yolo进行模型的训练，但数据集使用的是voc格式的数据集，需要将voc格式的数据转换成yolo形式，python代码如下

import os
import random 
random.seed(0)

xmlfilepath=r'D:\\PycharmProjects\\pythonProject\\helmat_detection_yolo3\\VOCdevkit\\VOC2007\\Annotations'
saveBasePath=r"D:\\PycharmProjects\\pythonProject\\helmat_detection_yolo3\\VOCdevkit\\VOC2007\\ImageSets\\Main"
 
trainval_percent=1
train_percent=1

temp_xml = os.listdir(xmlfilepath)
total_xml = []
for xml in temp_xml:
    if xml.endswith(".xml"):
        total_xml.append(xml)

num=len(total_xml)  
list=range(num)  
tv=int(num*trainval_percent)  
tr=int(tv*train_percent)  
trainval= random.sample(list,tv)  
train=random.sample(trainval,tr)  
 
print("train and val size",tv)
print("traub suze",tr)
ftrainval = open(os.path.join(saveBasePath,'trainval.txt'), 'w')  
ftest = open(os.path.join(saveBasePath,'test.txt'), 'w')  
ftrain = open(os.path.join(saveBasePath,'train.txt'), 'w')  
fval = open(os.path.join(saveBasePath,'val.txt'), 'w')  
 
for i  in list:  
    name=total_xml[i][:-4]+'\n'  
    if i in trainval:  
        ftrainval.write(name)  
        if i in train:  
            ftrain.write(name)  
        else:  
            fval.write(name)  
    else:  
        ftest.write(name)  
  
ftrainval.close()  
ftrain.close()  
fval.close()  
ftest .close()

2、yolo格式数据集

yolo格式的数据在标签部分生成的是txt文件

1. classes.txt:里面包含了生成的类别名称
2. 其他是每一张照片对应的标签文件

3、create ml格式数据集

create ml数据集博主没有太多了解，它需要一台Mac，标签文件是json格式