DIOR 完整数据集下载目录同时包含三种主流标注格式COCO JSON、VOC XML、YOLO TXTDIOR 数据集️数据集介绍、下载| 目标检测 |水平框旋转框原始图像✅VOC HBB标签✅VOC OBB标签✅|COCO 标签✅|YOLO HBB标签✅|YOLO OBB标签✅文章目录一、基础概述1.1 数据来源1.2 核心基础参数二、20个地物完整类别2.1 类别种类2.2 类别分布特点三、两种标注版本DIORHBB水平框 DIOR-ROBB旋转框3.1 原版DIORVOC水平框标注HBB3.2 DIOR-R旋转框3.3 格式转换四、训练样例一、基础概述1.1 数据来源DIOR 全称Diverse Optical Image Remote Sensing Dataset论文地址https://arxiv.org/abs/1909.00133。是西安电子科技大学2019年发布、面向光学卫星/航拍遥感目标检测的大规模公开基准数据集遥感领域最主流评测数据集之一对标DOTA侧重多尺度、多场景人造地物检测。配套衍生数据集DIOR-R在DIOR原图基础上新增旋转框OBB标注专门用于遥感旋转目标检测研究。1.2 核心基础参数图像来源Google Earth 全球光学航拍卫星图RGB三通道单图尺寸统一裁剪为800×800 像素空间分辨率0.5m ~ 30m覆盖超高分辨率近距航拍、低分辨率远距离卫星场景总数据量23463张图像192472个人工标注目标实例官方划分Train5862 张Val5863 张Test11738 张测试集无公开标注用于模型对比提交总文件大小约7GB二、20个地物完整类别2.1 类别种类覆盖交通、建筑、水利、能源、港口、运动场地全场景ID类别英文名中文释义0Airplane飞机1Airport机场2Baseball Field棒球场3Basketball Court篮球场4Bridge桥梁5Chimney烟囱6Dam水坝7Expressway Service Area高速服务区8Expressway Toll Station高速收费站9Golf Field高尔夫球场10Ground Track Field田径场11Harbor港口12Overpass天桥/立交桥13Ship船舶14Stadium大型体育场15Storage Tank储油罐16Tennis Court网球场17Train Station火车站18Vehicle小型车辆汽车19Windmill风力发电机names:0:airplane# 飞机1:airport# 机场2:baseballfield# 棒球场3:basketballcourt# 篮球场4:bridge# 桥梁5:chimney# 烟烟囱6:dam# 水坝7:Expressway-Service-area# 高速服务区8:Expressway-toll-station# 高速收费站9:golffield# 高尔夫球场10:groundtrackfield# 田径场11:harbor# 港口12:overpass# 立交桥/天桥13:ship# 船舶14:stadium# 大型体育场15:storagetank# 储油罐16:tenniscourt# 网球场17:trainstation# 火车站18:vehicle# 小型车辆19:windmill# 风力发电机2.2 类别分布特点严重尺度不均衡样本长尾Ship船舶、Vehicle车辆样本量几十万属于大类Dam、Chimney、Train Station 样本极少模型易欠拟合目标尺寸跨度极大车辆仅十几像素极小目标机场、体育场占满整张图超大目标。三、两种标注版本DIORHBB水平框 DIOR-ROBB旋转框3.1 原版DIORVOC水平框标注HBB标注文件每张图对应同名.xmlPascal VOC格式存储目标左上角、右下角像素坐标xmin,ymin,xmax,ymax适用Faster R-CNN、YOLO-HBB、RetinaNet等水平检测框架3.2 DIOR-R旋转框在原始XML内新增旋转框四顶点坐标旋转角x1,y1,x2,y2,x3,y3,x4,y4 顺时针四个顶点 angle目标相对水平旋转角度支持两种旋转表示四点多边形五参数OBBcx,cy,w,h,θ适配MMRotate、YOLO-OBB解决遥感斜向停放飞机、船舶、车辆水平框冗余背景、IoU偏低问题。3.3 格式转换转换后的完整数据集文件夹内容包含COCO JSON、VOC XML、YOLO TXT三种主流标签其中数据集的划分需按照ImageSets-Main中的test.txt、train.txt、val.txt进行划分。 DIOR ├─ COCO.zip │ └─ instances_train.json │ └─ instances_val.json ├─ ImageSets.zip │ ├─ Layout │ ├─ Main │ │ ├─ test.txt │ │ ├─ train.txt │ │ └─ val.txt │ └─ Segmentation ├─ JPEGImages-test.zip │ └─ ️ *.jpg │ └─ ... ├─ JPEGImages-trainval.zip │ └─ ️ *.jpg │ └─ ... ├─ VOC.zip │ ├─ Horizontal Bounding Boxes │ │ ├─ *.xml │ │ └─ ... │ └─ Oriented Bounding Boxes │ ├─ *.xml │ └─ ... └─ YOLO.zip ├─ HBB-txt │ ├─ *.txt │ └─ ... └─ OBB-txt ├─ *.txt └─ ...各个文件夹含义 DIORDOTA系列航空遥感目标检测数据集同时支持水平框HBB / 旋转框OBB ├─ COCO.zip │ COCO标准json标注包 │ └─ instances_train.json训练集COCO格式标注 │ └─ instances_val.json验证集COCO格式标注 ├─ ImageSets.zip │ 数据集划分索引文件 │ ├─ Layout │ ├─ Maintrain.txt训练集、val.txt验证集、test.txt测试集 │ └─ Segmentation ├─ JPEGImages-trainval.zip训练验证集遥感原图 *.jpg ├─ JPEGImages-test.zip测试集遥感原图 *.jpg ├─ VOC.zip │ Pascal VOC xml标注 │ ├─ Horizontal Bounding Boxes水平框(HBB) xml标注 │ └─ Oriented Bounding Boxes旋转框(OBB) xml标注 └─ YOLO.zip YOLO txt归一化标签 ├─ HBB-txt水平框YOLO标签 └─ OBB-txt旋转框YOLO标签四、训练样例以YOLO 水平框标签为例进行训练以YOLO 旋转框标签为例进行训练
DIOR 遥感数据集介绍、下载及YOLO/VOC/COCO训练格式转换
DIOR 完整数据集下载目录同时包含三种主流标注格式COCO JSON、VOC XML、YOLO TXTDIOR 数据集️数据集介绍、下载| 目标检测 |水平框旋转框原始图像✅VOC HBB标签✅VOC OBB标签✅|COCO 标签✅|YOLO HBB标签✅|YOLO OBB标签✅文章目录一、基础概述1.1 数据来源1.2 核心基础参数二、20个地物完整类别2.1 类别种类2.2 类别分布特点三、两种标注版本DIORHBB水平框 DIOR-ROBB旋转框3.1 原版DIORVOC水平框标注HBB3.2 DIOR-R旋转框3.3 格式转换四、训练样例一、基础概述1.1 数据来源DIOR 全称Diverse Optical Image Remote Sensing Dataset论文地址https://arxiv.org/abs/1909.00133。是西安电子科技大学2019年发布、面向光学卫星/航拍遥感目标检测的大规模公开基准数据集遥感领域最主流评测数据集之一对标DOTA侧重多尺度、多场景人造地物检测。配套衍生数据集DIOR-R在DIOR原图基础上新增旋转框OBB标注专门用于遥感旋转目标检测研究。1.2 核心基础参数图像来源Google Earth 全球光学航拍卫星图RGB三通道单图尺寸统一裁剪为800×800 像素空间分辨率0.5m ~ 30m覆盖超高分辨率近距航拍、低分辨率远距离卫星场景总数据量23463张图像192472个人工标注目标实例官方划分Train5862 张Val5863 张Test11738 张测试集无公开标注用于模型对比提交总文件大小约7GB二、20个地物完整类别2.1 类别种类覆盖交通、建筑、水利、能源、港口、运动场地全场景ID类别英文名中文释义0Airplane飞机1Airport机场2Baseball Field棒球场3Basketball Court篮球场4Bridge桥梁5Chimney烟囱6Dam水坝7Expressway Service Area高速服务区8Expressway Toll Station高速收费站9Golf Field高尔夫球场10Ground Track Field田径场11Harbor港口12Overpass天桥/立交桥13Ship船舶14Stadium大型体育场15Storage Tank储油罐16Tennis Court网球场17Train Station火车站18Vehicle小型车辆汽车19Windmill风力发电机names:0:airplane# 飞机1:airport# 机场2:baseballfield# 棒球场3:basketballcourt# 篮球场4:bridge# 桥梁5:chimney# 烟烟囱6:dam# 水坝7:Expressway-Service-area# 高速服务区8:Expressway-toll-station# 高速收费站9:golffield# 高尔夫球场10:groundtrackfield# 田径场11:harbor# 港口12:overpass# 立交桥/天桥13:ship# 船舶14:stadium# 大型体育场15:storagetank# 储油罐16:tenniscourt# 网球场17:trainstation# 火车站18:vehicle# 小型车辆19:windmill# 风力发电机2.2 类别分布特点严重尺度不均衡样本长尾Ship船舶、Vehicle车辆样本量几十万属于大类Dam、Chimney、Train Station 样本极少模型易欠拟合目标尺寸跨度极大车辆仅十几像素极小目标机场、体育场占满整张图超大目标。三、两种标注版本DIORHBB水平框 DIOR-ROBB旋转框3.1 原版DIORVOC水平框标注HBB标注文件每张图对应同名.xmlPascal VOC格式存储目标左上角、右下角像素坐标xmin,ymin,xmax,ymax适用Faster R-CNN、YOLO-HBB、RetinaNet等水平检测框架3.2 DIOR-R旋转框在原始XML内新增旋转框四顶点坐标旋转角x1,y1,x2,y2,x3,y3,x4,y4 顺时针四个顶点 angle目标相对水平旋转角度支持两种旋转表示四点多边形五参数OBBcx,cy,w,h,θ适配MMRotate、YOLO-OBB解决遥感斜向停放飞机、船舶、车辆水平框冗余背景、IoU偏低问题。3.3 格式转换转换后的完整数据集文件夹内容包含COCO JSON、VOC XML、YOLO TXT三种主流标签其中数据集的划分需按照ImageSets-Main中的test.txt、train.txt、val.txt进行划分。 DIOR ├─ COCO.zip │ └─ instances_train.json │ └─ instances_val.json ├─ ImageSets.zip │ ├─ Layout │ ├─ Main │ │ ├─ test.txt │ │ ├─ train.txt │ │ └─ val.txt │ └─ Segmentation ├─ JPEGImages-test.zip │ └─ ️ *.jpg │ └─ ... ├─ JPEGImages-trainval.zip │ └─ ️ *.jpg │ └─ ... ├─ VOC.zip │ ├─ Horizontal Bounding Boxes │ │ ├─ *.xml │ │ └─ ... │ └─ Oriented Bounding Boxes │ ├─ *.xml │ └─ ... └─ YOLO.zip ├─ HBB-txt │ ├─ *.txt │ └─ ... └─ OBB-txt ├─ *.txt └─ ...各个文件夹含义 DIORDOTA系列航空遥感目标检测数据集同时支持水平框HBB / 旋转框OBB ├─ COCO.zip │ COCO标准json标注包 │ └─ instances_train.json训练集COCO格式标注 │ └─ instances_val.json验证集COCO格式标注 ├─ ImageSets.zip │ 数据集划分索引文件 │ ├─ Layout │ ├─ Maintrain.txt训练集、val.txt验证集、test.txt测试集 │ └─ Segmentation ├─ JPEGImages-trainval.zip训练验证集遥感原图 *.jpg ├─ JPEGImages-test.zip测试集遥感原图 *.jpg ├─ VOC.zip │ Pascal VOC xml标注 │ ├─ Horizontal Bounding Boxes水平框(HBB) xml标注 │ └─ Oriented Bounding Boxes旋转框(OBB) xml标注 └─ YOLO.zip YOLO txt归一化标签 ├─ HBB-txt水平框YOLO标签 └─ OBB-txt旋转框YOLO标签四、训练样例以YOLO 水平框标签为例进行训练以YOLO 旋转框标签为例进行训练
