基于YoloV8的遥感数据目标检测，包含数据集、训练、验证和预测（纯小白版 - 文章 - 开发者社区

picture.image

一、数据集及数据集处理

NWPU VHR-10 (Cheng et al.，2016) 这个高分辨率(VHR)遥感图像数据集是由西北工业大学(NWPU)构建的，包含10类正例样本650张以及不包含给定对象类的任何目标的150张反例图像（背景），正例图像中至少包含1个实例，总共有3651个目标实例。具体类别信息如下：

picture.image

具体相信内容可以看

https://blog.csdn.net/weixin\_43427721/article/details/122057389，毕竟是从人家那里下载的数据…

NWPU VHR-10采用HBB的标注方法。ground truth文件夹包含650个单独的txt文件，每个文件对应于positive image set文件夹中的一个图像，这些文本文件的每一行都定义了一个ground truth边界框，格式如下:


        
            

          (x1,y1),(x2,y2),a

其中(x1,y1)为bounding box的左上角坐标，(x2,y2)为bounding box的右下坐标

而我们yolo目标检测所需要的标签坐标格式如下：


        
            

          <object-class> <x> <y> <width> <height>

x,y是目标的中心坐标，width,height是目标的宽和高。这些坐标是通过归一化的，其中x，width是使用原图的width进行归一化；而y，height是使用原图的height进行归一化。

所以，我们需要进行坐标转换，下面是写了一个坐标转换的代码（代码写得稀碎，改了又改，注释掉的代码可以直接删掉）


          
import os
          
import cv2
          
import re
          

          

          
# 这个函数是用来计算yolo标签的格式的 但是缺少一些东西 需要先计算得到size和box
          
# size是原图的（w,h)
          
# box是坐标
          
def voc_to_yolo(size, box):
          
    dw = 1. / size[0]
          
    dh = 1. / size[1]
          
    x = (box[0] + box[1]) / 2.0
          
    y = (box[2] + box[3]) / 2.0
          
    w = box[1] - box[0]
          
    h = box[3] - box[2]
          
    x = x * dw
          
    w = w * dw
          
    y = y * dh
          
    h = h * dh
          
    # print(x,y,w,h)
          
    x = '%.6f' % x
          
    y = '%.6f' % y
          
    w = '%.6f' % w
          
    h = '%.6f' % h
          
    return (x, y, w, h)
          

          

          
# 这个函数是用来提取原始标签文本一行里面的数字
          
def extract_numbers_from_line(line):
          
    # with open(file_path, 'r') as file:
          
    # content = file.read()
          

          
    # 使用正则表达式提取所有数字
          
    numbers = re.findall(r"[-+]?\d*\.\d+|\d+", line.strip())
          

          
    # 将提取的字符串数字转换为整数
          
    numbers = [int(num) for num in numbers]
          

          
    if len(numbers) == 5:
          
        return numbers
          

          

          
def Dataset(image_dir, ground_dir, label_dir):  # img_dir:图片路径 ground_dir:原始标签路径 label_dir:标签存储路径
          
    # 创建一个空列表存储图片路径
          
    images = []
          
    # 创建一个空列表存储原始标签路径
          
    ground = []
          
    # 遍历 images 文件夹下的所有图片
          
    for image_name in os.listdir(image_dir):
          
        image_path = os.path.join(image_dir, image_name)  # 完整的图像路径
          
        ext = os.path.splitext(image_name)[-1]  # 获取图像的扩展名
          
        ground_name = image_name.replace(ext, '.txt')  # 获取原始标签的文件名
          
        ground_path = os.path.join(ground_dir, ground_name)
          
        label_path = os.path.join(label_dir, ground_name)
          
        # 现在就获得了图片和原始标签
          

          
        # 处理图像，获得图像的大小尺寸
          
        image = cv2.imread(image_path)
          
        size = image.shape
          
        # 获取到图像大小
          
        w0 = size[1]  # 宽度
          
        h0 = size[0]  # 高度
          

          
        # 打开原始便签文本
          
        with open(ground_path, 'r') as file:
          
            # 获取行数
          
            lines = file.readlines()
          
            # 循环处理每一行
          
            # print(lines)
          
            for line in lines:
          
                try:
          
                    line.replace(" ", "").replace("\n", "")
          
                    x1, y1, x2, y2, la = extract_numbers_from_line(line)
          
                    # x, y, w, h= voc_to_yolo([w, h], [x1, x2, y1, y2])
          
                    # print(voc_to_yolo([w0, h0], [x1, x2, y1, y2]))
          
                    x = float(voc_to_yolo([w0, h0], [x1, x2, y1, y2])[0])
          
                    y = float(voc_to_yolo([w0, h0], [x1, x2, y1, y2])[1])
          
                    w = float(voc_to_yolo([w0, h0], [x1, x2, y1, y2])[2])
          
                    h = float(voc_to_yolo([w0, h0], [x1, x2, y1, y2])[3])
          
                    la = la - 1
          
                    print(la, x, y, w, h)
          
                    # print(label_path)
          
                    # 保存到新的标签（适用于yolo检测的标签
          
                    # 创建一个文件
          
                    label_name = open(label_path, "a")
          
                    # 写入
          
                    label_name.write(f"{la} {x} {y} {w} {h}\n")
          
                    # label_name.close()
          
                except ValueError as ve:
          
                    print(ve)
          
            print(label_path)
          
            print("写入完成\n")
          

          

          
Dataset('images', 'ground truth', 'labels')

代码参考这位博主：https://blog.csdn.net/KD\_LW/article/details/112918173

然后就可以将
picture.image
变成

这里还有一个任务，因为拿到的数据集有正负两个样本，我想着把负样本也加入到训练中，但是负样本的文件名也是从001.jpg开始的，所以需要将所有负样本的文件名+650，再生成对应的空的.txt作为标签加入到训练中。


          
'''
          
用来负样本加入到数据中，并生成对应的空.txt标签
          
'''
          
import os
          
import shutil
          
from tqdm import tqdm
          

          

          
def MergeData(image_dir,):  # img_dir:负样本图片路径
          
    # 创建一个空列表存储图片路径
          
    images = []
          
    # 创建一个空列表存储原始标签路径
          
    labels = []
          
    # 遍历 images 文件夹下的所有图片
          
    for image_name in os.listdir(image_dir):
          
        # 获取图片完整路径
          
        image_path = os.path.join(image_dir, image_name)
          
        # 获取图片文件的名字
          
        name = os.path.splitext(image_name)[0]
          
        # print(ext)
          
        name_int = int(name)
          
        # print(name+650)
          
        # 文件名+650
          
        image_name = image_name.replace(name, str(name_int+650))
          
        # 新的文件名
          
        new_path = os.path.join(image_dir, image_name)
          
        # 重命名操作
          
        os.rename(image_path, new_path)
          
        # print(image_name)
          
        # print(ext)
          
        # 获取图片文件的扩展名
          
        ext = os.path.splitext(image_name)[-1]
          
        # 根据扩展名替换成对应的label文件
          
        label_name = image_name.replace(ext, '.txt')
          
        # print(label_name)
          
        # 获取对应label的完整路径
          
        label_path = os.path.join(image_dir, label_name)
          
        # 创建空.txt标签文本
          
        f = open(label_path, "x")
          
        # 将图片添加到列表中
          
        images.append(new_path)
          
        # 讲标签添加到列表中
          
        labels.append(label_path)
          
        
          
    # 该进行移动操作了
          
    # 遍历每个有效的图片路径
          
    for i in tqdm(range(len(images))):
          
        image_path = images[i]
          
        label_path = labels[i]
          
        image_destination_path = os.path.join("images",os.path.basename(image_path))
          
        # 移动过去
          
        shutil.copy(image_path, image_destination_path)
          
        label_destination_path = os.path.join("labels", os.path.basename(label_path))
          
        # 移动过去
          
        shutil.copy(label_path, label_destination_path)
          

          

          
MergeData("negative image")

二、数据集划分及配置文件的修改

2.1 数据集划分

将数据集按照train：vaild：test = 7:2:1的比例进行划分。

代码如下：


          
"""
          
此文件划分数据集
          
"""
          
import os
          
import random
          
from tqdm import tqdm
          
import shutil
          

          
def CollatDataset(image_dir, label_dir):  # img_dir:图片路径 label_dir:标签路径
          
    # 创建一个空列表存储图片路径
          
    imges = []
          
    # 创建一个空列表存储labels路径
          
    labels = []
          
    # 遍历 images 文件夹下的所有图片
          
    for image_name in os.listdir(image_dir):
          
        # 获取图片完整路径
          
        image_path = os.path.join(image_dir, image_name)
          
        # 获取图片文件的扩展名
          
        ext = os.path.splitext(image_name)[-1]
          
        # 根据扩展名替换成对应的label文件
          
        label_name = image_name.replace(ext, '.txt')
          
        # 获取对应label的完整路径
          
        label_path = os.path.join(label_dir, label_name)
          
        # 判断label是否存在
          
        if not os.path.exists(label_path):
          
            print(label_path, "没有")
          
        else:
          
            # 将图片添加到列表中
          
            imges.append(image_path)
          
            # 讲标签添加到列表中
          
            labels.append(label_path)
          
    # 遍历每个有效的图片路径
          
    for i in tqdm(range(len(imges))):
          
        image_path = imges[i]
          
        label_path = labels[i]
          
        # 随机生成一个概率
          
        r = random.random()
          
        print(r)
          
        # 判断图片应该移动到哪个文件夹
          
        # train：vaild:test = 7:2:1
          
        if r < 0.1 :
          
            destination = "test"
          
        elif 0.1 <= r < 0.3:
          
            # 移动到vail文件
          
            destination = "vaild"
          
        else:
          
            # 移动到train文件
          
            destination = "train"
          
        # 创建目标文件夹中images和labels子文件
          
        os.makedirs(os.path.join(destination, "images"), exist_ok=True)
          
        os.makedirs(os.path.join(destination, "labels"), exist_ok=True)
          
        # 生成目标文件夹中图片的新路径
          
        image_destination_path = os.path.join(destination, "images", os.path.basename(image_path))
          
        # 移动过去
          
        shutil.copy(image_path, image_destination_path)
          
        # 生成目标文件夹中label的新路径
          
        label_destination_path = os.path.join(destination, "labels", os.path.basename(label_path))
          
        # 移动过去
          
        shutil.copy(label_path, label_destination_path)
          

          

          
if __name__ == '__main__':
          
    CollatDataset("./images", "./labels")

picture.image

OK！现在前期准备工作做完了，该进入到关键部分了

2.2 配置文件修改

我们从ultralytics的代码中，可以看到cfg的一个文件夹。

picture.image

这个文件夹就是存放我们训练所需的数据和模型的配置文件，default.yaml的默认的配置文件。

我们要做的就是在自己的项目中，创建同样的数据和模型配置文件。（写到这发现自己忘记创建项目了。。。

picture.image

创建一个项目，就叫remote_sensing吧，然后把数据放进去。

其实我觉这里觉得这个模型配置文件yolov8_remote.yaml是没有用的，删了就行

data_remote.yaml配置文件内容如下：

picture.image

OK！保存好，继续下一步。

三、训练

关于这个ultralytics工具包的下载，我最开始是直接在GitHub上下载的源码进行使用

后来发现，直接在终端进行pip install ultralytics也可以。

直接在PyCharm的terminal输入


        
            

          pip install ultralytics

创建一个 train.py 文件

代码如下：


          
from ultralytics import YOLO
          

          
if __name__ == '__main__':
          
    model = YOLO("yolov8n.pt")
          
    model.train(data="./cfg/data_remote.yaml", epochs=30)
          
    result = model.val()

关于YOLO里面的模型选择，有n、s、m、l、x五种选择。

train的参数选择，可以参考ultralytics工具包下caf里的default.yaml文件

picture.image

运行train.py，开始训练。

picture.image

训练后可以看到结果的一些参数评估。

picture.image

四、预测推理

创建一个predict.py的python文件，代码如下


          
from ultralytics import YOLO
          
from PIL import Image
          

          
model = YOLO("./runs/detect/train/weights/best.pt") # 训练好的模型路径
          
img = Image.open("./remote_data/test/images/490.jpg") # 要预测的图像路径
          
results = model.predict(source=img, show=True, save=True, save_txt=True)  # 展示并保存绘制的图像和坐标