DroneVehicle数据集介绍、下载及YOLO/VOC/COCO训练格式转换

DroneVehicle 完整数据集下载目录同时包含三种主流标注格式COCO JSON、VOC XML、YOLO TXTDroneVehicle 数据集数据集介绍、下载| 目标检测 |多模态|水平框旋转框原始图像✅|原始VOC标签✅|去白边图像✅VOC标签✅|COCO 标签✅|YOLO HBB标签✅|YOLO OBB标签✅训练集文件夹内容验证集文件夹内容测试集文件夹内容文章目录一、基础信息二、数据集规模三、场景与采集条件四、标签转换五、训练样例一、基础信息发布方天津大学 VisDrone 团队论文Drone Based RGBT Vehicle Detection and Counting: A Challenge2020Drone-based RGB-Infrared Cross-Modality Vehicle Detection via Uncertainty-Aware Learning官方链接https://github.com/VisDrone/DroneVehicle定位无人机航拍 RGB-红外RGBT双模态旋转框车辆检测数据集专门面向跨模态车辆检测、车辆计数任务是航拍多模态目标检测最常用基准之一。二、数据集规模共28439对 RGB-红外对齐图像→ 总计56878 张图像总标注车辆实例953087 个划分Train17990 对图像Val1469 对图像Test8980 对图像图像分辨率840 × 712四周带有100px白边有效可视区域 640×512训练需裁剪白边三、场景与采集条件覆盖白天夜间全时段真实无人机俯视航拍城市主干道、立交桥、高速公路露天停车场、小区道路、物流园区挑战难点大量小目标、密集停放车辆树木、建筑物遮挡昼夜光照剧烈变化、夜间可见光失效车辆朝向任意适合旋转框OBB检测四、标签转换原始标注为VOC格式XML采用四点多边形polygon x1339/x1y1443/y1 x2241/x2y2419/y2 x3241/x3y3349/y3 x4339/x4y4380/y4 /polygon字段name类别difficult0/1困难样本标记polygon顺时针四点坐标实例数量概览RGB / Infraredcar389779 / 428086truck22123 / 25960bus15333 / 16590van11935 / 12708freight car13400 / 17173轿车样本占绝对多数存在类别不均衡。类别names:0:car# 轿车1:truck# 卡车2:bus# 公交车3:van# 面包车4:freight car# 货运车去除图像白边转换后的完整数据集目录包含COCO JSON、VOC XML、YOLO TXT三种主流标签** 其中带有2**的文件及文件夹均为裁剪后的图像或标签即主要标签均为裁剪后的标签。此外旋转框为YOLO标签。训练集文件夹内容 DroneVehicle ├─ test ├─ train │ ├─ COCO │ │ ├─ trainlabel2 │ │ │ └─ instances_train.json │ │ └─ trainlabelr2 │ │ └─ instances_train.json │ ├─ trainimg │ │ ├─ ️ *.jpg │ │ └─ ... │ ├─ trainimg2 │ │ ├─ ️ *.jpg │ │ └─ ... │ ├─ trainimgr │ │ ├─ *.jpg │ │ └─ ... │ ├─ trainimgr2 │ │ ├─ *.jpg │ │ └─ ... │ ├─ trainlabel │ │ ├─ *.xml │ │ └─ ... │ ├─ trainlabelr │ │ ├─ *.xml │ │ └─ ... │ ├─ VOC │ │ ├─ trainlabel2 │ │ │ ├─ *.xml │ │ │ └─ ... │ │ └─ trainlabelr2 │ │ ├─ *.xml │ │ └─ ... │ └─ YOLO │ ├─ trainlabel2 │ │ ├─ *.txt │ │ └─ ... │ ├─ trainlabel2-obb │ │ ├─ *.txt │ │ └─ ... │ ├─ trainlabelr2 │ │ ├─ *.txt │ │ └─ ... │ └─ trainlabelr2-obb │ ├─ *.txt │ └─ ... └─ val验证集文件夹内容 DroneVehicle ├─ test ├─ train ├─ val │ ├─ COCO │ │ ├─ vallabel2 │ │ │ └─ instances_val.json │ │ └─ vallabelr2 │ │ └─ instances_val.json │ ├─ valimg │ │ ├─ ️ *.jpg │ │ └─ ... │ ├─ valimg2 │ │ ├─ ️ *.jpg │ │ └─ ... │ ├─ valimgr │ │ ├─ *.jpg │ │ └─ ... │ ├─ valimgr2 │ │ ├─ *.jpg │ │ └─ ... │ ├─ vallabel │ │ ├─ *.xml │ │ └─ ... │ ├─ vallabelr │ │ ├─ *.xml │ │ └─ ... │ ├─ VOC │ │ ├─ vallabel2 │ │ │ ├─ *.xml │ │ │ └─ ... │ │ └─ vallabelr2 │ │ ├─ *.xml │ │ └─ ... │ └─ YOLO │ ├─ vallabel2 │ │ ├─ *.txt │ │ └─ ... │ ├─ vallabel2-obb │ │ ├─ *.txt │ │ └─ ... │ ├─ vallabelr2 │ │ ├─ *.txt │ │ └─ ... │ └─ vallabelr2-obb │ ├─ *.txt │ └─ ...测试集文件夹内容 DroneVehicle ├─ test │ ├─ COCO │ │ ├─ testlabel2 │ │ │ └─ instances_test.json │ │ └─ testlabelr2 │ │ └─ instances_test.json │ ├─ testimg │ │ ├─ ️ *.jpg │ │ └─ ... │ ├─ testimg2 │ │ ├─ ️ *.jpg │ │ └─ ... │ ├─ testimgr │ │ ├─ *.jpg │ │ └─ ... │ ├─ testimgr2 │ │ ├─ *.jpg │ │ └─ ... │ ├─ testlabel │ │ ├─ *.xml │ │ └─ ... │ ├─ testlabelr │ │ ├─ *.xml │ │ └─ ... │ ├─ VOC │ │ ├─ testlabel2 │ │ │ ├─ *.xml │ │ │ └─ ... │ │ └─ testlabelr2 │ │ ├─ *.xml │ │ └─ ... │ └─ YOLO │ ├─ testlabel2 │ │ ├─ *.txt │ │ └─ ... │ ├─ testlabel2-obb │ │ ├─ *.txt │ │ └─ ... │ ├─ testlabelr2 │ │ ├─ *.txt │ │ └─ ... │ └─ testlabelr2-obb │ ├─ *.txt │ └─ ... ├─ train └─ valHBB可视化OBB可视化五、训练样例以YOLO 水平框标签为例进行训练以YOLO 旋转框标签为例进行训练