无人机航拍图像数据集汇总-Toy模板网

这篇具有很好参考价值的文章主要介绍了无人机航拍图像数据集汇总。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

引言

最近的项目涉及到对无人机航拍图像的目标检测，检测的目标包含车辆、人、无人机、船舶，比较热门的航拍数据集大多是遥感图像的数据集，与本项目相关的数据集查找不易，本文分享一下相关的航拍数据数据集，以及数据集的处理方法。

文中部分数据集已经下载，需要获取文中涉及到的数据集请私信（目录中的文件名是本人为了方便自己定义的）

数据集处理

1、获取感兴趣的类别

在训练过程中，数据集中的部分类别使用不到，需要提取中感兴趣的类别,如果以图像中没有感兴趣的类别，将图像舍弃,如果图像中既有感兴趣的类别也有不感兴趣的类别，则将不感兴趣的类别从标签文件中删除，只保存感兴趣的类别信息

import os
import shutil
#voc格式标签的地址
ann_filepath='VOCdevkit/VOC2012/Annotations/'
#原图像的地址
img_filepath='VOCdevkit/VOC2012/JPEGImages/'
#转换后图像的存放地址
img_savepath='VOCdevkit/VOC2012/JPEGImages_ssd/'
#转换后标签的存放地址
ann_savepath='VOCdevkit/VOC2007/Annotations_ssd/'
if not os.path.exists(img_savepath):
    os.mkdir(img_savepath)
 
if not os.path.exists(ann_savepath):
    os.mkdir(ann_savepath)
names = locals()

#数据集中所有的类别，类别名称要与标签号对应，如aeroplane对应name_id为0，将其放在第一个位置
#以voc数据集为例如下24~27
classes = ['aeroplane','bicycle','bird', 'boat', 'bottle',
           'bus', 'car', 'cat', 'chair', 'cow','diningtable',
           'dog', 'horse', 'motorbike', 'pottedplant',
           'sheep', 'sofa', 'train', 'tvmonitor', 'person']
 
 
for file in os.listdir(ann_filepath):
    print(file)
    fp = open(ann_filepath +  file)
    ann_savefile=ann_savepath+file
    fp_w = open(ann_savefile, 'w')
    lines = fp.readlines()
 
    ind_start = []
    ind_end = []
    lines_id_start = lines[:]
    lines_id_end = lines[:]
 
 #设置感兴趣的类别：classesn = '\t\t<name>RoiClassName</name>\n'
 #RoiClassName为具体的类别名称
    classes1 = '\t\t<name>aeroplane</name>\n'
    classes2 = '\t\t<name>boat</name>\n'
    classes3 = '\t\t<name>bus</name>\n'
    classes4 = '\t\t<name>car</name>\n'
    classes5 = '\t\t<name>person</name>\n'
 
    #在xml中找到object块，并将其记录下来
    while "\t<object>\n" in lines_id_start:
        a = lines_id_start.index("\t<object>\n")
        ind_start.append(a)
        lines_id_start[a] = "delete"
 
 
    while "\t</object>\n" in lines_id_end:
        b = lines_id_end.index("\t</object>\n")
        ind_end.append(b)
        lines_id_end[b] = "delete"
 
    #names中存放所有的object块
    i = 0
    for k in range(0, len(ind_start)):
        names['block%d' % k] = []
        for j in range(0, len(classes)):
            if classes[j] in lines[ind_start[i] + 1]:
                a = ind_start[i]
                for o in range(ind_end[i] - ind_start[i] + 1):
                    names['block%d' % k].append(lines[a + o])
                break
        i += 1
        #print(names['block%d' % k])
 
 
    #xml头
    string_start = lines[0:ind_start[0]]
    #xml尾
    string_end = [lines[len(lines) - 1]]
 
 
    #在给定的类中搜索，若存在则，写入object块信息
    a = 0
    for k in range(0, len(ind_start)):
        if classes1 in names['block%d' % k]:
            a += 1
            string_start += names['block%d' % k]
        if classes2 in names['block%d' % k]:
            a += 1
            string_start += names['block%d' % k]
        if classes3 in names['block%d' % k]:
            a += 1
            string_start += names['block%d' % k]
        if classes4 in names['block%d' % k]:
            a += 1
            string_start += names['block%d' % k]
        if classes5 in names['block%d' % k]:
            a += 1
            string_start += names['block%d' % k]
    string_start += string_end
    for c in range(0, len(string_start)):
        fp_w.write(string_start[c])
    fp_w.close()
    #如果没有我们寻找的模块，则删除此xml，有的话拷贝图片
    if a == 0:
        os.remove(ann_savepath+file)
    else:
        name_img = img_filepath + os.path.splitext(file)[0] + ".jpg"
        shutil.copy(name_img, img_savepath)
    fp.close()

2、修改和删除相应类别ID以及标注信息

在实际应用中，数据集无需划分子类，如原数据集中含有货船、邮轮、客船等船的子类;但是项目中只需要检测到船，并不需要划分子类，这就需要我们对将数据集中的类别进行和并重构
数据集中含有的与项目无关的类别也可以删除

import os
import random
import numpy as np
from numpy import *
 
txt_file_path = '/mnt/dir1/database/VisDrone2019/VisDrone2019-DET-val/labels'  # 原始的标签路径
save_file_path = '/mnt/dir1/database/VisDrone2019/VisDrone2019-DET-val/labels1'  # 修改后的标签路径
 
labels_name = os.listdir(txt_file_path)  # 获得每一个标签名字的列表 / os.listdir() 方法用于返回指定的文件夹包含的文件或文件夹的名字的列表
num = len(labels_name)  # 获取列表长度
list = range(num)  # 创建从0到num的整数列表  list = range(0, num)
files = os.listdir(save_file_path)
 
for i in list:  # 遍历每一个文件
    name = labels_name[i]  # 获取每一个文件的文件名
    read_file = open(txt_file_path + "/" + name, 'r')  # 读取txt_file_path/labels路径中的文件，r表示以只读方式打开文件
    fline = read_file.readlines()  # 读取txt文件中每一行 / readlines()表示读取整行 / fline是列表类型，fline列表里的元素是str类型
    save_txt = open(save_file_path + "/" + name, 'w+')  # 读取save_file_path/labels路径中的文件. w+表示打开一个文件用于读写。如果该文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除。如果该文件不存在，创建新文件。
 
    for j in fline:  # 遍历txt文件中每一行
        list1 = j.split()
        # print(list1)
 
        # 删除类别
        if list1[0] != '2':  # 删除类别2
            if list1[0] != '6':  # 删除类别6
                if list1[0] != '7':  # 删除类别7
                    if list1[0] != '9':  # 删除类别9
                    list2 = list1
                    #print(list2)
 
                    # 修改类别
                    if list2[0] == '1':
                        list2[0] = '0'  # 将类别1改成类别0
                    elif list2[0] == '3':
                        list2[0] = '1'  # 将类别3改成类别1
                    elif list2[0] == '4':
                        list2[0] = '1'  # 将类别4改成类别1
                    elif list2[0] == '5':
                        list2[0] = '1'  # 将类别5改成类别1
                    elif list2[0] == '8':
                        list2[0] = '1'  # 将类别8改成类别1
 
                    b = " ".join(list2)   # 将列表转换成字符串类型，且用空格分割
                    save_txt.write(b)  # 写入新的文件中
                    save_txt.write('\n')  # 换行

3、VOC数据集转YOLO

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join
 
 
def convert(size, box):
    x_center = (box[0] + box[1]) / 2.0
    y_center = (box[2] + box[3]) / 2.0
    x = x_center / size[0]
    y = y_center / size[1]
    w = (box[1] - box[0]) / size[0]
    h = (box[3] - box[2]) / size[1]
    return (x, y, w, h)
 
 
def convert_annotation(xml_files_path, save_txt_files_path, classes):
    xml_files = os.listdir(xml_files_path)
    #print(xml_files)
    for xml_name in xml_files:
        print(xml_name)
        xml_file = os.path.join(xml_files_path, xml_name)
        out_txt_path = os.path.join(save_txt_files_path, xml_name.split('.')[0] + '.txt')
        #
        folder = os.path.exists(save_txt_files_path)
        if not folder: #判断是否存在文件夹如果不存在则创建为文件夹
            os.makedirs(save_txt_files_path) #makedirs 创建文件时如果路径不存在会创建这个路径#
        #
        out_txt_f = open(out_txt_path, 'w', encoding="utf-8")
        tree = ET.parse(xml_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'):
            difficult = obj.find('difficult').text
            cls = obj.find('name').text
            if cls not in classes or int(difficult) == 1:
                continue
            cls_id = classes.index(cls)
            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))
            # b=(xmin, xmax, ymin, ymax)
            print(w, h, b)
            bb = convert((w, h), b)
            out_txt_f.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
 
 
if __name__ == "__main__":
    # 需要转换的类别，需要一一对应
    classes1 = ['aeroplane', 'boat', 'bus', 'car', 'person']
    # 2、voc格式的xml标签文件路径
    xml_files1 = r'VOCdevkit/VOC2012/Annotations_ssd/'
    # 3、转化为yolo格式的txt标签文件存储路径
    save_txt_files1 = r'VOCdevkit/VOC2012/labels_ssd/'
 
    convert_annotation(xml_files1, save_txt_files1, classes1)