hrsc2016 yolo

### HRSC2016 YOLO 数据集 下载 使用说明 #### 数据集概述 HRSC2016 是一个高分辨率光学卫星图像数据集，专门用于船舶识别任务。该数据集中包含了大量标注好的船只样本，适用于目标检测研究[^1]。 #### 获取方式 为了获取 HRSC2016 数据集并将其转换为适合 YOLO 模型训练使用的格式，可以按照如下方法操作： - **官方渠道**: 可通过 CSDN 博客文章中的链接访问原始发布者提供的资源页面下载 hrsc2016 数据集。 - **第三方平台**: 部分科研机构或个人可能会共享经过处理后的版本，建议查阅相关学术论坛或 GitHub 上是否有合适的镜像站点。 #### 转换至YOLO格式 由于原生的 HRSC2016 并不直接支持 YOLO 的输入需求，因此需要额外步骤来完成这一过程: - 对于旋转矩形的支持，需特别注意角度参数的调整以适应 YOLO v5 或更高版本的要求； - 创建相应的 `.txt` 文件保存每张图片对应的标签信息； 具体实现可参考网络上已有的 Python 脚本实例，这些脚本能自动化上述流程并将结果导出成标准 YOLO 形式的文件夹结构。 ```python import xml.etree.ElementTree as ET from pathlib import Path def convert(size, box): dw = 1./(size[0]) dh = 1./(size[1]) x = (box[0] + box[1])/2.0 - 1 y = (box[2] + box[3])/2.0 - 1 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 main(): sets=[('train', 'images'), ('val', 'images')] classes = ["ship"] for image_set in sets: image_ids = open(f'ImageSets/Main/{image_set}.txt').read().strip().split() list_file = open(f'{image_set}.txt', 'w') for image_id in image_ids: in_file = open(f'Annotations/{image_id}.xml') tree=ET.parse(in_file) root = tree.getroot() size = root.find('size') w = int(size.find('width').text) h = int(size.find('height').text) out_file = open(f'labels/{image_id}.txt', 'w') for obj in root.iter('object'): difficult = obj.find('difficult').text cls = obj.find('name').text if cls not in classes or int(difficult)==1: continue cls_id = classes.index(cls) xmlbox = obj.find('bndbox') b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text)) bb = convert((w,h), b) out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n') if __name__ == '__main__': main() ``` #### 相关论文介绍 对于希望深入了解 HRSC2016 数据集及其应用的研究人员来说，《A High Resolution Optical Satellite Image Dataset for Ship Recognition and Some New Baselines》这篇文献提供了详细的背景描述以及实验基线模型分析[^2]。