YOLO遥感目标检测数据集VEDAI数据集 带txt标注YOLO适用 目标检测

YOLO遥感目标检测数据集VEDAI数据集 带txt标注YOLO适用 目标检测

数据集概述

遥感目标检测数据集（VEDAI）是一个专为遥感图像上的目标检测设计的数据集。该数据集包含了大量的高分辨率遥感图像及其对应的标注信息，适用于训练和评估深度学习模型，特别是YOLO系列的目标检测网络。

数据集细节

• 图片数量: 共计1248张高分辨率遥感图像。
• 标注文件: 提供TXT格式的标注文件，每个文件对应一张图片，记录了图片中所有目标的边界框坐标和类别。
• 数据集划分: 数据集按8:2的比例划分为训练集和验证集，具体如下：
  • 训练集: 998张图片
  • 验证集: 250张图片
• 标签分类: 包含9种不同类别的目标，分别是：
  • pick-up (皮卡)
  • plane (飞机)
  • tractor (拖拉机)
  • Engineering vehicle (工程车辆)
  • truck (卡车)
  • camping car (露营车)
  • van (厢式货车)
  • car (轿车)
  • boat (船)

每张图片都有一一对应的标签，确保了数据的一致性和准确性。

使用场景

该数据集非常适合用于遥感影像分析领域，如军事侦察、环境监测、灾害评估等应用场景。同时，由于其高质量的标注和多样化的物体类别，也广泛应用于计算机视觉领域的研究与开发。

关键代码示例

以下是一些基本的Python代码示例，展示了如何加载并查看数据集中的一部分图片和它们的标注：

import os
from PIL import Image
import numpy as np

# 定义数据集路径
data_dir = '/path/to/your/dataset'
train_images_dir = os.path.join(data_dir, 'images/train')
train_labels_dir = os.path.join(data_dir, 'labels/train')

# 加载第一张图片和它的标注
image_path = os.listdir(train_images_dir)[0]
label_path = image_path.replace('.png', '.txt')  # 假设图片是PNG格式，且标签文件名相同但扩展名为.txt

img = Image.open(os.path.join(train_images_dir, image_path))
with open(os.path.join(train_labels_dir, label_path), 'r') as f:
    labels = [line.strip().split() for line in f.readlines()]

print(f"Image size: {img.size}")
print("Labels:")
for label in labels:
    print(label)  # 输出格式通常为 [class_id x_center y_center width height]

# 显示图片
img.show()

这段代码首先定义了数据集的路径，然后从训练集目录中选择了一张图片和相应的标签文件。接着，它读取了图片并打印出图片大小，最后显示了这张图片的所有标注信息。