資料集介紹
資料集背景：
HRSC2016資料集
包含27種型別的遙感地物目標
提取自Google Earth
由西北工業大學于2016年發布
采用oriented bounding boxes(OBB)標注格式
HRSC2016 (Liu et al.，2016)是西北工業大學采集的用于輪船的檢測的資料，包含4個大類19個小類共2976個船只實體資訊，論文中特別指出他們的資料集是高解析度資料集，解析度介于0.4m和2m之間，資料集所有影像均來自六個著名的港口，包括海上航行的船只和靠近海岸的船只，船只影像的尺寸范圍從300到1500，大多數影像大于1000x600，
資料集類別說明
本資料集中目標為航拍影像下的船只，包括海上船只與近岸船只，作者在對船只模型進行分類時采用 了高度為3的樹形結構，L1層次為Class、L2層次為category、L3層次為Type，類似生物學的分類觀點，具體表示如下：
樣本標注資訊
HRSC2016采用OBB（oriented bounding box）的標注方法，提供了三類標注資訊，包括bounding box、rotated bounding box和pixel-based segmentation，還包括港口、資料源、拍攝時間等額外資訊，部分資料標注展示如下：
<HRSC_Image>
<Img_CusType>sealand</Img_CusType>
<Img_Location>69.040297,33.070036</Img_Location>
<Img_SizeWidth>1138</Img_SizeWidth>
<Img_SizeHeight>833</Img_SizeHeight>
<Img_SizeDepth>3</Img_SizeDepth>
<Img_Resolution>1.07</Img_Resolution>
<Img_Resolution_Layer>18</Img_Resolution_Layer>
<Img_Scale>100</Img_Scale>
<segmented>0</segmented>
<Img_Havemask>0</Img_Havemask>
<Img_Rotation>274d</Img_Rotation>
<HRSC_Objects>
<HRSC_Object>
<Object_ID>100000008</Object_ID>
<Class_ID>100000013</Class_ID>
<Object_NO>100000008</Object_NO>
<truncated>0</truncated>
<difficult>0</difficult>
<box_xmin>628</box_xmin>//bounding box坐標點
<box_ymin>40</box_ymin>
<box_xmax>815</box_xmax>
<box_ymax>783</box_ymax>
<mbox_cx>719.9324</mbox_cx>//旋轉后的左上角坐標
<mbox_cy>413.0048</mbox_cy>
<mbox_w>741.8246</mbox_w>
<mbox_h>172.6959</mbox_h>
<mbox_ang>1.499893</mbox_ang>//旋轉角度
<segmented>0</segmented>
<seg_color>
</seg_color>
<header_x>713</header_x>//船頭部資訊
<header_y>777</header_y>
</HRSC_Object>
</HRSC_Objects>
</HRSC_Image>
資料影像示例
這里先上代碼
import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
sets=[ ('2007', 'test')]
classes = ["ship"]
def convert(size, box):
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 convert_annotation(year, image_id):
# 轉換這一張圖片的坐標表示方式（格式）,即讀取xml檔案的內容，計算后存放在txt檔案中
in_file = open('./data/VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id))
out_file = open('./data/VOCdevkit/VOC%s/labels/%s.txt'%(year, image_id), 'w')
tree=ET.parse(in_file)
root = tree.getroot()
# size = root.find('size')
w = int(root.find('Img_SizeWidth').text)
h = int(root.find('Img_SizeHeight').text)
if root.find('HRSC_Objects'):
for obj in root.iter('HRSC_Object'):
difficult = obj.find('difficult').text
cls = 'ship'
# cls = obj.find('name').text
# if cls not in classes or int(difficult) == 1:
if int(difficult) == 1:
continue
cls_id = classes.index(cls)
# xmlbox = obj.find('bndbox')
b = (float(obj.find('box_xmin').text), float(obj.find('box_xmax').text), float(obj.find('box_ymin').text), float(obj.find('box_ymax').text))
bb = convert((w,h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
wd = getcwd()
for year, image_set in sets:
if not os.path.exists('./data/VOCdevkit/VOC%s/labels/'%(year)):
os.makedirs('./data/VOCdevkit/VOC%s/labels/'%(year))
image_ids = open('./data/VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()
list_file = open('%s_%s.txt'%(year, image_set), 'w')
for image_id in image_ids:
list_file.write('./data/%s/VOCdevkit/VOC%s/JPEGImages/%s.bmp\n'%(wd, year, image_id))
convert_annotation(year, image_id)
list_file.close()
以上是hrsc2016資料集xml格式轉換為yolo格式txt檔案
注意路徑問題
資料集3大類27小類，共2,976個目標
這里是講資料集劃分到只有一類 ship
image size:300 × 300 ~ 1500 × 900
image number:1061 在訓練集、驗證集和測驗集中分別包含436、181和444張影像
object number:2976
資料集下載地址 附上鏈接
https://aistudio.baidu.com/aistudio/datasetdetail/54106
本文參考
CSDN博主「Marlowee」的原創文章，遵循CC 4.0 BY-SA著作權協議，附上
原文鏈接：https://blog.csdn.net/weixin_43427721/article/details/122057389
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/468042.html
標籤：其他