1. DIOR数据集与YOLO格式适配概述
DIOR(Dataset for Object dectectIOn in Remote sensing images)是遥感图像目标检测领域的标杆级数据集,包含23,463张图像和192,472个标注实例,涵盖20个常见地物类别。这个数据集最大的特点是所有图像均来自谷歌地球的高分辨率卫星影像(0.5m-30m分辨率),场景覆盖全球不同地域的城乡区域。
将DIOR适配YOLO格式的核心挑战在于标注体系的转换。原始DIOR采用PASCAL VOC格式的XML标注文件,而YOLO要求的是每个图像对应一个.txt文件,其中每行表示一个对象,格式为:
code复制<class_id> <x_center> <y_center> <width> <height>
这些坐标需要是归一化后的相对值(0-1之间)。此外,YOLO对图像输入尺寸有特定要求(默认640x640),而DIOR原始图像尺寸不统一(800x800居多),需要进行resize或letterbox处理。
关键提示:遥感图像与常规自然图像不同,长宽比差异大且小目标密集,直接套用常规YOLO预处理会导致目标变形或检测性能下降。建议优先采用letterbox方式保持原图比例。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 完整转换流程详解
2.1 环境准备与数据下载
推荐使用Python 3.8+环境,主要依赖库:
bash复制pip install numpy pandas opencv-python tqdm xmltodict
DIOR数据集官方下载地址需通过邮件申请(含train/val/test集),解压后目录结构应为:
code复制DIOR/
├── Annotations/
├── JPEGImages/
├── ImageSets/
│ ├── Main/
│ │ ├── train.txt
│ │ └── val.txt
└── ...
2.2 标注格式转换脚本
以下Python脚本实现VOC转YOLO格式的核心逻辑:
python复制import os
import xml.etree.ElementTree as ET
def convert(size, box):
""" 将VOC坐标转换为YOLO格式 """
dw = 1./size[0]
dh = 1./size[1]
x = (box[0] + box[1])/2.0
y = (box[2] + box[3])/2.0
w = box[1] - box[0]
h = box[3] - box[2]
x = x * dw
w = w * dw
y = y * dh
h = h * dh
return (x,y,w,h)
def conv
