【DOTA】目标检测数据集介绍与使用_dota数据集

every blog every motto: You can do more than you think.
https://blog.csdn.net/weixin_39190382?type=blog

0. 前言

DOTA 数据集简单介绍

1. 正文

1.1 简介

数据集包含来自不同的传感器和平台的航拍图。每张图像的像素尺寸在 800 × 800 到 20,000 × 20,000 之间，其中包含不同大小、方向和形状的物体。

V1.5和V1.0图片个数相同，只是标注更加精细，各数据集图片数量为：

• train: 1411张
• val: 458张
• test: 937张

下载地址：https://captain-whu.github.io/DOTA/dataset.html（推荐使用google driver下载）

标注方式：oriented bounding box 定向边界框，标签如下

'imagesource':imagesource
'gsd':gsd
x1, y1, x2, y2, x3, y3, x4, y4, category, difficult
x1, y1, x2, y2, x3, y3, x4, y4, category, difficult
...
1
2
3
4
5

imagesource: 图片来源  Google Earth, GF-2 and JL-1 satellite 
gsd: 分辨率
x1, y1, x2, y2, x3, y3, x4, y4：四边形的四个顶点的坐标 顶点按顺时针顺序排列，第一个起点为左上第一个点
category:实例类别
difficult：表示该实例是否难以检测（1表示困难，0表示不困难）
1
2
3
4
5

任务：

• obb (oriented bounding boxes ): 定向包围框，即旋转框
• hbb (horizontal bounding boxes): 水平框，即一般的目标检测

下载完文件，将文件解压合并，如下图红框所示即可：

1.2 切割

官方工具下载：https://captain-whu.github.io/DOTA/code.html （下载development kit即可）

主要用到如下代码：

• DOTA.py 加载图片并绘制目标边框
• ImgSplit.py 分割数据集
• ResultMerge.py 将被分割数据集的检测结果合并,便于后续评估模型性能
• dota_×_evaluation_task×.py 评估模型性能

DOTA.py加载图片，显示如下：

切割后如下：

文件名含义：P0000__1__0___924.png，resize为原来的1倍，在width=0,height=924处进行切割。

参考

[1] https://captain-whu.github.io/DOTA/index.html
[2] https://blog.csdn.net/echoson/article/details/120347766#:~:text=DOTA%E6%95%B0%E6%8D%AE,%5BDOTA%20Dataset%5D%E6%98%AF%E8%88%AA%E7%A9%BA%E5%BD%B1%E5%83%8F%E4%B8%AD%E7%89%A9%E4%BD%93%E6%A3%80%E6%B5%8B%E7%9A%84%E6%95%B0%E6%8D%AE%E9%9B%86%EF%BC%8C%E5%8C%85%E5%90%AB2806%E5%BC%A0%E5%9B%BE%E5%83%8F%EF%BC%8C%E6%AF%8F%E5%BC%A0%E5%9B%BE%E5%83%8F4000%2A4000%E5%88%86%E8%BE%A8%E7%8E%87%E3%80%82