1. DIOR数据集与YOLO格式适配概述
DIOR(Dataset for Object dectection In Optical Remote sensing images)是遥感图像目标检测领域的重要基准数据集,包含23463张图像和192472个标注实例,涵盖20个常见地物类别。由于遥感图像的特殊性(大尺寸、多角度、小目标密集),直接将DIOR原始标注转换为YOLO格式会遇到几个典型问题:
- 标注框格式差异:DIOR使用PASCAL VOC的(xmin, ymin, xmax, ymax)格式,而YOLO需要归一化的中心坐标(x_center, y_center)和宽高(width, height)
- 图像尺寸问题:DIOR图像统一为800×800像素,但YOLO模型通常需要调整输入尺寸
- 小目标处理:遥感图像中小目标占比高,直接转换可能导致训练样本不平衡
关键提示:在航空航天、国土资源监测等场景中,适配后的DIOR-YOLO数据集可显著提升车辆、船舶、储罐等目标的自动识别准确率。
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. 格式转换核心技术实现
2.1 坐标转换算法
原始VOC格式到YOLO格式的数学转换公式:
python复制def voc_to_yolo(box, img_width, img_height):
x_center = ((box[0] + box[2]) / 2) / img_width
y_center = ((box[1] + box[3]) / 2) / img_height
width = (box[2] - box[0]) / img_width
height = (box[3] - box[1]) / img_height
return [x_center, y_center, width, height]
实际处理时需要特别注意:
- 归一化前必须验证坐标值是否超出图像边界
- 对于极端小目标(width或height < 3像素),建议进行特殊标注处理
- 遥感图像中常见的倾斜目标需要额外考虑旋转框转换(需使用YOLOv8-OBB等变体)
2.2 目录结构重组
标准YOLO格式要求的目录结构:
code复制DIOR_YOLO/
├── imag
