保姆级教程：用Python脚本将DOTA遥感数据集转成YOLOv5/YOLOv8格式（附完整代码）

从DOTA到YOLO遥感图像标注格式转换实战指南遥感图像分析正在成为计算机视觉领域的重要分支而DOTA数据集作为该领域的标杆性资源其丰富的航空影像和多边形标注为研究者提供了宝贵素材。但当我们想要将这些数据应用于流行的YOLO目标检测框架时标注格式的差异就成了第一道门槛。本文将带您深入理解两种标注格式的本质区别并提供一套完整的Python转换方案。1. 理解DOTA与YOLO标注格式的核心差异DOTA数据集采用多边形标注体系每个物体由四个顶点坐标精确描述其轮廓这种表示方法能够很好地捕捉遥感图像中物体的实际形状和朝向。典型的DOTA标注格式如下x1 y1 x2 y2 x3 y3 x4 y4 category difficult相比之下YOLO系列模型使用归一化的中心坐标和宽高比来表示物体位置这种简化表示更适合实时检测任务。YOLO格式的每行标注包含class_id center_x center_y width height关键转换原理我们需要将四个顶点坐标的多边形表示转换为能够包含整个物体的最小外接矩形。这个过程中需要考虑几个技术细节坐标归一化处理除以图像宽高多边形顶点到外接矩形的计算类别ID的映射转换困难样本的过滤策略注意DOTA数据集中标注的difficult标记需要特别处理通常我们会保留difficult0的样本而过滤掉difficult1的极端困难样本。2. 环境准备与数据组织结构在开始转换前我们需要确保开发环境配置正确并按照标准结构组织数据集文件。2.1 基础环境配置推荐使用Python 3.8环境并安装以下依赖库pip install numpy shapely pillow核心库的作用说明NumPy高效处理数值计算Shapely处理几何图形操作Pillow图像尺寸读取2.2 数据集目录结构规范的目录结构能大幅减少后续路径配置问题。建议按如下方式组织DOTA_dataset/ ├── images/ │ ├── P0001.png │ ├── P0002.png │ └── ... └── labelTxt/ ├── P0001.txt ├── P0002.txt └── ...文件命名对应规则每个图像文件(PXXXX.png)都有对应的标注文件(PXXXX.txt)这种一一对应的关系是转换脚本正常运行的前提。3. 核心代码解析与实现我们提供的转换工具包含两个关键脚本dota_utils.py提供基础功能YOLO_Transform.py执行实际转换。下面深入分析核心函数实现。3.1 多边形解析函数parse_dota_poly函数负责读取原始DOTA标注文件def parse_dota_poly(filename): objects [] with open(filename, r) as f: while True: line f.readline() if not line: break if len(line.strip().split()) 9: obj { name: splitlines[8], difficult: splitlines[9] if len(splitlines)10 else 0, poly: [(float(splitlines[0]), float(splitlines[1])), (float(splitlines[2]), float(splitlines[3])), (float(splitlines[4]), float(splitlines[5])), (float(splitlines[6]), float(splitlines[7]))] } objects.append(obj) return objects3.2 多边形到YOLO格式的转换dots4ToRecC函数实现了核心的几何转换def dots4ToRecC(poly, img_w, img_h): xmin min(p[0] for p in poly) xmax max(p[0] for p in poly) ymin min(p[1] for p in poly) ymax max(p[1] for p in poly) center_x (xmin xmax) / 2 / img_w center_y (ymin ymax) / 2 / img_h width (xmax - xmin) / img_w height (ymax - ymin) / img_h return center_x, center_y, width, height3.3 主转换流程dota2darknet函数整合了整个转换流程def dota2darknet(imgpath, txtpath, dstpath, classnames): for txtfile in os.listdir(txtpath): # 获取对应图像尺寸 img Image.open(os.path.join(imgpath, os.path.splitext(txtfile)[0].png)) w, h img.size # 解析并转换每个标注对象 with open(os.path.join(dstpath, txtfile), w) as f_out: for obj in parse_dota_poly(os.path.join(txtpath, txtfile)): if obj[difficult] 1: continue if obj[name] not in classnames: continue bbox dots4ToRecC(obj[poly], w, h) if any(x 0 or x 1 for x in bbox): continue f_out.write(f{classnames.index(obj[name])} { .join(map(str, bbox))}\n)4. 实际应用与问题排查4.1 自定义类别选择DOTA包含18个类别但实际项目中可能只需要其中部分类别。修改extractclassname参数即可# 只转换车辆和船舶类别 custom_classes [small-vehicle, large-vehicle, ship] dota2darknet(img_path, txt_path, out_path, custom_classes)4.2 常见错误处理问题1图像与标注文件不匹配检查文件名是否严格对应确认文件扩展名(.png/.txt)正确问题2坐标值超出[0,1]范围检查图像读取是否正确验证标注文件是否损坏问题3类别ID不连续确保extractclassname列表顺序固定检查是否有类别名称拼写错误4.3 转换结果验证建议使用以下代码可视化转换结果验证标注是否正确import cv2 import random def plot_yolo_boxes(img_path, txt_path): img cv2.imread(img_path) h, w img.shape[:2] with open(txt_path) as f: for line in f: cls_id, cx, cy, bw, bh map(float, line.split()) x1 int((cx - bw/2) * w) y1 int((cy - bh/2) * h) x2 int((cx bw/2) * w) y2 int((cy bh/2) * h) color (random.randint(0,255), random.randint(0,255), random.randint(0,255)) cv2.rectangle(img, (x1,y1), (x2,y2), color, 2) cv2.imshow(Verify, img) cv2.waitKey(0)5. 高级技巧与性能优化5.1 批量处理与并行加速对于大规模数据集可以使用多进程加速from multiprocessing import Pool def process_single(args): imgpath, txtfile, dstpath, classes args # 单文件处理逻辑... if __name__ __main__: args_list [(imgpath, f, dstpath, classes) for f in os.listdir(txtpath)] with Pool(processes4) as pool: pool.map(process_single, args_list)5.2 数据增强集成在转换过程中可以直接集成常见的数据增强# 在写入YOLO标注前添加随机扰动 if random.random() 0.5: # 50%概率水平翻转 bbox [1 - bbox[0], bbox[1], bbox[2], bbox[3]]5.3 格式转换的数学原理深入理解多边形到外接矩形的转换数学计算所有x坐标的最小/最大值 → xmin, xmax计算所有y坐标的最小/最大值 → ymin, ymax中心点((xminxmax)/2, (yminymax)/2)宽度xmax - xmin高度ymax - ymin这种转换虽然会丢失物体的旋转信息但对于大多数检测任务已经足够。如果需要保留旋转信息可以考虑扩展YOLO格式或使用其他支持旋转框的框架。