从DIOR到YOLO：零基础实现遥感目标检测数据集的自动化转换
遥感影像中的目标检测一直是计算机视觉领域的热门研究方向，而DIOR数据集作为当前最全面的遥感目标检测基准之一，包含了20个类别的23463张图像。但对于刚接触YOLO系列模型的新手来说，如何将DIOR的XML标注格式转换为YOLO所需的TXT格式，往往成为第一个技术门槛。本文将提供一个完整、可复现的Python解决方案，不仅包含详细的代码解析，还会深入讲解每个步骤的原理和常见问题处理。
1. 环境准备与数据目录结构
在开始转换之前，我们需要确保拥有正确的数据结构和Python环境。DIOR数据集的原始目录通常如下所示：
DIOR/ ├── Annotations/ # 存放XML格式的标注文件 ├── JPEGImages/ # 存放原始图像文件 ├── ImageSets/ │ └── Main/ # 包含train.txt, val.txt, test.txt划分文件第一步是将JPEGImages文件夹重命名为images（全小写），这是YOLO模型的默认要求。同时，我们需要创建一个新的labels文件夹来存放转换后的TXT标注文件。
# 在DIOR根目录下执行 mv JPEGImages images mkdir labelsPython环境需要安装以下基础库：
import xml.etree.ElementTree as ET import os from os import getcwd这些库都是Python标准库的一部分，通常不需要额外安装。但如果你使用的是Miniconda或虚拟环境，建议创建一个新的环境：
conda create -n dior2yolo python=3.8 conda activate dior2yolo2. 核心转换代码解析
转换脚本的核心逻辑可以分为三个部分：坐标转换、XML解析和文件组织。让我们深入分析每个部分的技术细节。
2.1 坐标转换原理
YOLO格式要求标注使用归一化的中心坐标和宽高（0-1之间），而DIOR的XML标注使用的是像素坐标下的左上角和右下角坐标。转换函数如下：
def convert(size, box): """将边界框从像素坐标转换为YOLO格式 Args: size: 图像的宽和高 (w, h) box: 边界框坐标 (xmin, xmax, ymin, ymax) Returns: 归一化的中心坐标和宽高 (x_center, y_center, w, h) """ dw = 1. / (size[0]) dh = 1. / (size[1]) x = (box[0] + box[1]) / 2.0 - 1 # 计算中心x坐标 y = (box[2] + box[3]) / 2.0 - 1 # 计算中心y坐标 w = box[1] - box[0] # 计算宽度 h = box[3] - box[2] # 计算高度 x = x * dw # 归一化x坐标 w = w * dw # 归一化宽度 y = y * dh # 归一化y坐标 h = h * dh # 归一化高度 return x, y, w, h注意：YOLO的坐标归一化是基于图像尺寸的，这意味着无论原始图像分辨率如何，转换后的坐标都在0-1范围内，这使得YOLO模型能够处理不同尺寸的输入图像。
2.2 XML解析与标注处理
DIOR的XML文件包含了丰富的标注信息，我们需要从中提取出类别和边界框数据：
def convert_annotation(image_id): in_file = open(f'{datasetpath}/Annotations/{image_id}.xml', encoding='UTF-8') out_file = open(f'{datasetpath}/labels/{image_id}.txt', 'w') tree = ET.parse(in_file) root = tree.getroot() size = root.find('size') w = int(size.find('width').text) h = int(size.find('height').text) for obj in root.iter('object'): cls = obj.find('name').text if cls not in classes: continue # 跳过不在类别列表中的对象 cls_id = classes.index(cls) # 获取类别ID 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)) # 边界越界检查 b = list(b) if b[1] > w: b[1] = w if b[3] > h: b[3] = h b = tuple(b) bb = convert((w, h), b) out_file.write(f"{cls_id} {' '.join([str(a) for a in bb])}\n")提示：DIOR数据集中的某些标注可能存在边界越界问题（即标注框超出图像范围），上述代码包含了自动修正机制，确保转换后的标注不会出现非法值。
3. 完整脚本与路径配置
将各个部分组合起来，我们得到完整的转换脚本。以下是带有详细注释的版本：
#!/usr/bin/env python # -*- coding: utf-8 -*- import xml.etree.ElementTree as ET import os from os import getcwd # 数据集划分：训练集、验证集、测试集 sets = ['train', 'val', 'test'] # DIOR数据集的20个类别 classes = ['airplane', 'airport', 'baseballfield', 'basketballcourt', 'bridge', 'chimney', 'dam', 'Expressway-Service-area', 'Expressway-toll-station', 'golffield', 'groundtrackfield', 'harbor', 'overpass', 'ship', 'stadium', 'storagetank', 'tenniscourt', 'trainstation', 'vehicle', 'windmill'] # 配置你的路径 ----------------------------- datasetpath = "E:/dataset/DIOR" # DIOR数据集根目录 imgpath = "E:/dataset/DIOR/images" # 图像文件夹路径 outpath = "E:/dataset/DIOR/myyolo" # 输出路径 # 确保输出目录存在 os.makedirs(outpath, exist_ok=True) # 转换主循环 for image_set in sets: # 创建labels目录（如果不存在） os.makedirs(f'{datasetpath}/labels', exist_ok=True) # 读取划分文件中的图像ID列表 with open(f'{datasetpath}/ImageSets/Main/{image_set}.txt') as f: image_ids = f.read().strip().split() # 创建输出文件（包含图像绝对路径） with open(f'{outpath}/{image_set}.txt', 'w') as list_file: for image_id in image_ids: # 写入图像绝对路径 list_file.write(f'{imgpath}/{image_id}.jpg\n') # 转换对应的标注文件 convert_annotation(image_id)4. 创建YOLO配置文件与常见问题排查
转换完成后，我们需要创建一个YAML配置文件供YOLO模型训练使用：
# DIOR.yaml train: E:/dataset/DIOR/myyolo/train.txt val: E:/dataset/DIOR/myyolo/val.txt test: E:/dataset/DIOR/myyolo/test.txt # 可选 # 类别数量 nc: 20 # 类别名称 names: ['airplane', 'airport', 'baseballfield', 'basketballcourt', 'bridge', 'chimney', 'dam', 'Expressway-Service-area', 'Expressway-toll-station', 'golffield', 'groundtrackfield', 'harbor', 'overpass', 'ship', 'stadium', 'storagetank', 'tenniscourt', 'trainstation', 'vehicle', 'windmill']常见问题及解决方案：
文件夹命名错误
- 症状：报错"No labels in xx./train.cache"
- 原因：YOLO严格要求images和labels的文件夹名称
- 解决：确保图像文件夹名为"images"，标注文件夹名为"labels"
路径问题
- 症状：FileNotFoundError或空输出
- 检查：所有路径是否正确，特别是Windows下的反斜杠需要转义或使用原始字符串
标注越界
- 症状：训练时出现"invalid bbox"警告
- 解决：脚本中已包含越界检查，但仍建议可视化检查部分样本
类别ID不匹配
- 症状：训练时类别预测混乱
- 检查：确保YAML文件中的names顺序与转换脚本中的classes列表完全一致
5. 验证转换结果
为了确保转换正确，我们可以使用以下代码可视化检查几个样本：
import cv2 import random def plot_yolo_bbox(img_path, label_path, classes): img = cv2.imread(img_path) h, w = img.shape[:2] with open(label_path) as f: lines = f.readlines() for line in lines: cls_id, xc, yc, bw, bh = map(float, line.split()) # 转换回像素坐标 x1 = int((xc - bw/2) * w) y1 = int((yc - bh/2) * h) x2 = int((xc + bw/2) * w) y2 = int((yc + bh/2) * h) cv2.rectangle(img, (x1, y1), (x2, y2), (0, 255, 0), 2) cv2.putText(img, classes[int(cls_id)], (x1, y1-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 1) cv2.imshow('Preview', img) cv2.waitKey(0) cv2.destroyAllWindows() # 随机检查几个样本 sample_ids = random.sample(image_ids, 3) for img_id in sample_ids: img_path = f'{imgpath}/{img_id}.jpg' label_path = f'{datasetpath}/labels/{img_id}.txt' plot_yolo_bbox(img_path, label_path, classes)这个可视化脚本可以帮助我们直观地确认标注转换是否正确，特别是边界框的位置和类别标签是否匹配。
