Swimming Pool And Car Detection数据集

Samples

 

Overview

该数据集用于检测卫星图像中的游泳池和汽车。训练图像有3748张jpg图像，每张图像对应一个xml文件，记录图像中swimming pool 和car的bounding box

 

Data Explore

数据集主要分为train/test，train目录下含有3748张图片，其宽高为224*224，每张图片在labels目录下有对应的xml文件标签；test目录下含有2703张图片，不含标签

 

数据预处理

 

童鞋们只要修改对应的root_path，即可获取训练图像标签字典imgs_lable_dict，其键、值分别为图像id，图像中对象的检测框。其中键值为列表格式，其列表元素亦为列表，每个元素代表一个对象信息，其格式为[xmin,ymin,xmax,ymax,category]

 

from xml.dom.minidom import parseimport xml.dom.minidomimport os

imgs_name = os.listdir(os.path.join(root_path, "training_data\\training_data\\images"))# acquire bounding boximgs_lable_dict = {}for img_name in imgs_name:    DOMTree = xml.dom.minidom.parse(        os.path.join(os.path.join(root_path, "training_data\\training_data\\labels"),                     img_name.split(".")[0] + ".xml"))    collection = DOMTree.documentElement    boundingbox = collection.getElementsByTagName("object")    imgs_lable_dict[img_name] = []    for i in boundingbox:        category = i.getElementsByTagName("name")[0].childNodes[0].data        tmp=[]        tmp.append(float(            [j.childNodes[0].data for j in i.getElementsByTagName("bndbox")[0].getElementsByTagName("xmin")][                0]))        tmp.append(float(            [j.childNodes[0].data for j in i.getElementsByTagName("bndbox")[0].getElementsByTagName("ymin")][                0]))        tmp.append(float(            [j.childNodes[0].data for j in i.getElementsByTagName("bndbox")[0].getElementsByTagName("xmax")][                0]))        tmp.append(float(            [j.childNodes[0].data for j in i.getElementsByTagName("bndbox")[0].getElementsByTagName("ymax")][                0]))        tmp.append(category)        imgs_lable_dict[img_name].append(tmp)

 

License

GNU General Public License, version 2

 

扫码关注后，后台回复 pool 即可获得