NWPU_VHR-10转yolo格式

将NWPU_VHR-10遥感图像数据集转换为YOLO格式
为了将NWPU_VHR-10遥感图像数据集成功转换为YOLO格式，需遵循一系列特定的操作流程。此过程涉及两个主要阶段：首先是将原始的NWPU_VHR-10数据集转换成中间格式（通常是VOC格式），其次是进一步将其转换为目标的YOLO格式。
转换至VOC格式
在处理前，确保拥有完整的NWPU_VHR-10数据集文件结构。对于每一张图片及其标注信息，创建相应的XML文件来描述目标边界框的位置和其他属性。这一步骤可以通过编写脚本自动化完成或者利用现有的工具实现[^2]。
由VOC格式转向YOLO格式
一旦拥有了标准的VOC格式数据集之后，下一步就是把这些标签转化为适合YOLO模型使用的txt文件形式。每个对象类别对应一个整数ID，在这些文本文件里记录下物体中心坐标(x_center, y_center)，宽度(w)和高度(h)，所有的数值都应归一化到范围(0~1)[^1]。
import xml.etree.ElementTree as ET
from os import getcwd

sets=[('train'), ('val')]
classes = ["airplane", "ship", ... ] # 完整类名列表依据实际需求填写

def convert(size, box):
dw = 1./(size[0])
dh = 1./(size[1])
x = (box[0] + box[1])/2.0 - 1
y = (box[2] + box[3])/2.0 - 1
w = box[1] - box[0]
h = box[3] - box[2]
x = x*dw
w = w*dw
y = y*dh
h = h*dh
return (x,y,w,h)

for image_set in sets:
image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt'%(year, image_set)).read().strip().split()
list_file = open('%s.txt'%(image_set), 'w')
for image_id in image_ids:
list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n'%(wd, year, image_id))
in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml'%(year, image_id))
out_file = open('labels/%s.txt'%image_id, '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'):
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))
bb = convert((w,h), b)
out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')

list_file.close()
登录后复制
上述Python代码片段展示了如何读取VOC XML文件并将它们写入YOLO所需的TXT文件中。需要注意的是，这段代码假设存在ImageSets, JPEGImages 和 Annotations 文件夹用于存储索引、原图以及注解；同时也假定有一个名为labels的新目录用来保存最终生成的目标检测标签文件[^1]。
最后，还需准备一个data.yaml配置文件以供YOLO框架识别所用的数据集路径及相关设置：
# YOLOv3 configuration file example
train: ./path/to/train/images/
val: ./path/to/validation/images/

nc: 10 # number of classes
names: ['airplane', 'ship', ..., ]
登录后复制
通过以上步骤可以顺利完成从NWPU_VHR-10到YOLO格式的转换工作，并准备好进行后续基于YOLO架构下的训练任务。