yolov8如何训练+遥感影像各类油罐检测数据集，油罐数据集，共分为外浮顶油罐，封闭顶油罐，球形压力罐，水塔，沉淀罐五种类型，超过26000张影像，采用voc格式标注，512×215尺寸，2GB

遥感影像各类油罐检测，共分为外浮顶油罐，封闭顶油罐，球形压力罐，水塔，沉淀罐五种类型，超过26000张影像，采用voc格式标注，512×215尺寸，2GB

使用YOLOv8来训练一个包含超过26000张遥感影像的油罐检测数据集。这个数据集包含5个类别，已标注为VOC格式，可以直接用于模型训练。

数据集描述
数据量：超过26000张影像
类别：
0: 外浮顶油罐（External Floating Roof Tank）
1: 封闭顶油罐（Fixed Roof Tank）
2: 球形压力罐（Spherical Pressure Tank）
3: 水塔（Water Tower）
4: 沉淀罐（Settling Tank）
标注格式：VOC格式
图像尺寸：512×215
数据大小：约2GB
应用场景：遥感影像油罐检测
数据集组织
假设你的数据集目录结构如下：

深色版本
oil_tank_dataset/
├── images/
│ ├── 000001.jpg
│ ├── 000002.jpg
│ └── …
├── annotations/
│ ├── 000001.xml
│ ├── 000002.xml
│ └── …
└── data.yaml # 数据配置文件
数据配置文件
创建或确认data.yaml文件是否正确配置了数据集路径和类别信息：

yaml
深色版本
train: ./images/train/ # 训练集图像路径
val: ./images/val/ # 验证集图像路径
test: ./images/test/ # 测试集图像路径

Classes

nc: 5 # 类别数量
names:

• External Floating Roof Tank
• Fixed Roof Tank
• Spherical Pressure Tank
• Water Tower
• Settling Tank # 类别名称列表
  数据集划分
  将数据集划分为训练集、验证集和测试集。可以使用以下脚本：

python
深色版本
import os
import random
from shutil import copyfile

定义源目录和目标目录

source_images_dir = ‘./oil_tank_dataset/images’
source_annotations_dir = ‘./oil_tank_dataset/annotations’
target_train_dir = ‘./oil_tank_dataset/images/train’
target_val_dir = ‘./oil_tank_dataset/images/val