YOLO卫星遥感多类别目标检测数据集：从标注格式到训练调参全攻略

简介YOLO卫星遥感多类别检测数据集适合正在学习目标检测或从事遥感影像识别应用的开发者。资源围绕真实场景的高质量卫星影像构建使用LabelImg标注标注框规范同时提供VOCxml、COCOjson和YOLOtxt三种格式标签免去格式转换环节可直接接入YOLO系列模型训练。压缩包共2000个文件以xml标签、txt标签、html教程、python脚本和yaml配置为主整体大小约114.64MBxml与txt用于目标框标注html为配套教程py为数据集划分脚本yaml为训练配置。除数据外还附带Linux与Windows下的YOLO环境搭建教程、训练教程并给出训练集/验证集/测试集划分脚本可按需自行分配数据便于完成从环境配置到模型训练的完整流程。已有635人学习下载可帮助初学者快速上手遥感多类别检测任务。1. 卫星遥感目标检测为什么先要解决数据而非模型做卫星遥感目标检测的人多半都卡在同一个地方模型不是瓶颈数据才是。遥感影像和日常照片的差异是本质性的——目标只有几个像素大小、背景极其复杂、光照阴影随轨道变化直接用 COCO 预训练权重去跑小船、储油罐、飞机这类小目标几乎全部漏检。这份「YOLO 卫星遥感多类别检测数据集」解决的正是这个痛点1000 张真实场景的高质量遥感图片每张都带 VOC、COCO、YOLO 三种格式的标签用 labelimg 手工标注标注框质量在同类数据集里是靠谱的。附带的划分脚本和 Linux/Windows 双版本训练教程让「数据到手 → 划分数据集 → 搭环境 → 跑通训练」的链路一次性走完。适合两类人一类是做遥感目标检测但苦于找不到干净数据的从业者另一类是刚接触 YOLO、想用真实数据而非花瓶数据集练手的学习者。接下来我按数据格式、划分脚本、环境搭建、训练调参的顺序把这套资源从头到尾拆一遍。2. 三种标注格式的差异VOC、COCO、YOLO 各自的坑与转换逻辑2.1 格式差异不是命名区别是坐标系的区别拿到这份数据集第一眼看到的是三个文件夹VOC 格式的 xml、COCO 格式的 json、YOLO 格式的 txt。很多人以为只是后缀不同其实三种格式的坐标体系完全不一样混用必翻车。VOC 格式存的是绝对坐标格式为xmin, ymin, xmax, ymax单位是像素存成 XML 文件。COCO 格式虽然也有bbox字段但存的是x, y, width, height同样基于像素不过出自annotations数组里每个对象的bbox。YOLO 格式完全不同存的是归一化后的中心点坐标和宽高即class_id, x_center, y_center, width, height所有数值都要除以图片宽高范围在 0 到 1 之间。我在实操中见过太多次这样的翻车有人把 VOC 的xmin, ymin, xmax, ymax直接填进 YOLO 训练的 label 文件或者反过来。如果图片是 1024×1024 的正方形那还好说坐标差异只体现在中心点偏移上可遥感影像通常不是正方形比如 1920×1080如果拿绝对坐标当归一化坐标用边界框的位置就完全错乱训练出来 mAP 在 0.1 以下还找不到原因。这份数据集已经帮你做好了格式分离直接按需取用要跑 YOLO 系列v5/v8/v9/v11用 txt要跑 Faster R-CNN、Mask R-CNN 用 voc 的 xml要跑 Detectron2 或 mmdetection 的 COCO 系列模型就直接挂 json。2.2 三种格式的转换关系VOC 是中间格式如果你后续要加自己的标注数据就得理解三种格式的转换逻辑。最常见的一条路是labelimg 标注时默认导出 VOC 格式的 xml然后从 xml 转 yolo 或 coco。反过来如果你从网上爬到的数据集只有 yolo 的 txt要转成 coco json 给 Detectron2 用就必须先重建出图片的宽高信息——这一点是转换脚本的命脉因为 txt 里根本没有图片尺寸。这里给出一段我自己常用的 xml 转 yolo 转换脚本也是这份资源里划分脚本能顺利工作的基础逻辑import xml.etree.ElementTree as ET import os def xml_to_yolo(xml_path, out_dir, classes): tree ET.parse(xml_path) root tree.getroot() img_w int(root.find(size/width).text) img_h int(root.find(size/height).text) txt_name os.path.splitext(os.path.basename(xml_path))[0] .txt with open(os.path.join(out_dir, txt_name), w) as f: for obj in root.iter(object): cls obj.find(name).text if cls not in classes: continue cls_id classes.index(cls) bbox obj.find(bndbox) xmin float(bbox.find(xmin).text) ymin float(bbox.find(ymin).text) xmax float(bbox.find(xmax).text) ymax float(bbox.find(ymax).text) # 避免边界越界遥感图裁剪时常见 xmin max(0, min(xmin, img_w)) xmax max(0, min(xmax, img_w)) ymin max(0, min(ymin, img_h)) ymax max(0, min(ymax, img_h)) if xmax xmin or ymax ymin: continue x_center (xmin xmax) / 2.0 / img_w y_center (ymin ymax) / 2.0 / img_h w (xmax - xmin) / img_w h (ymax - ymin) / img_h f.write(f{cls_id} {x_center:.6f} {y_center:.6f} {w:.6f} {h:.6f}\n) # 用法示例 if __name__ __main__: classes [ship, plane, storage_tank, vehicle] # 按数据集的 classes.txt 顺序写 xml_dir VOC2007/Annotations out_dir labels os.makedirs(out_dir, exist_okTrue) for f in os.listdir(xml_dir): if f.endswith(.xml): xml_to_yolo(os.path.join(xml_dir, f), out_dir, classes)这段代码的关键在两点一是classes列表的顺序必须和最终训练时的data.yaml里 class 顺序一致否则类别编号全部错位模型能收敛但预测出来的类别是乱的二是边界约束max(0, min(xmin, img_w))遥感大图裁剪成小图时边界上的目标经常出现标注框超出图片范围的情况不处理的话 YOLO 训练时会报错或者产生 NaN 损失。2.3 这份数据集的标签质量验证方法拿到手的标签到底能不能直接用我建议训练前先做一次可视化验证不要急着开训。用 OpenCV 或 PIL 把标注框画在图片上肉眼扫一遍。这个步骤 10 分钟能筛掉 80% 后续训练时的玄学问题。import cv2 import os def draw_yolo_boxes(img_path, label_path, classes, out_path): img cv2.imread(img_path) h, w img.shape[:2] with open(label_path, r) as f: for line in f.readlines(): parts line.strip().split() cls_id int(parts[0]) xc, yc, bw, bh map(float, parts[1:]) x1 int((xc - bw/2) * w) y1 int((yc - bh/2) * h) x2 int((xc bw/2) * w) y2 int((yc bh/2) * h) color (0, 255, 0) cv2.rectangle(img, (x1, y1), (x2, y2), color, 2) cv2.putText(img, classes[cls_id], (x1, y1-5), cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1) cv2.imwrite(out_path, img) # 抽查前 20 张 classes [ship, plane, storage_tank, vehicle] img_dir images/train label_dir labels/train os.makedirs(check_vis, exist_okTrue) for i, f in enumerate(os.listdir(img_dir)[:20]): if f.endswith(.jpg) or f.endswith(.png): label_path os.path.join(label_dir, f.rsplit(., 1)[0] .txt) if os.path.exists(label_path): draw_yolo_boxes(os.path.join(img_dir, f), label_path, classes, fcheck_vis/{i:03d}_{f})运行完毕打开check_vis目录重点看三种情况框是不是完全贴合目标、有没有漏标的小目标、有没有标注框张冠李戴。遥感场景下漏标小目标是常态如果你的应用场景对漏检敏感建议自己补标一部分——但补标时标注框的规范要和原始数据保持一致比如是否包含目标的阴影区域这类标注约定不一致会导致训练时 loss 震荡。3. 数据集划分脚本为什么不能直接随机切分3.1 三个脚本分别解决什么问题资源里附带了三个 Python 脚本看似重复但各自解决的场景不同。第一个是「训练集、验证集、测试集划分脚本图片标签划分写入新文件夹.py」输入一张图片列表或一个文件夹输出 train/val/test 三个目录图片和对应的标签文件同步移动保证不出现图有标无或者标有图无的情况。第二个是只分 train/val 两个子集的版本适合你暂时不需要测试集、想用训练过程中的 val 指标来挑选模型的场景。第三个是split_train_val生成ImageSets下txt文件划分脚本.py输出的是 VOC 风格的 txt 索引文件——每行一个图片名不带扩展名这种格式是给 Faster R-CNN 等需要 ImageSets 索引的模型准备的。这里要给个明确建议如果是 YOLO 系列训练直接用第一个脚本就够了因为它把文件复制到新目录YOLO 的Dataset类天然支持从目录读取如果是跑 Detectron2 或者 mmdetection第三个脚本的 txt 索引是必须的你需要的是包含图片路径的注册文件而非物理移动文件。3.2 YOLO 训练的标准目录结构跑通 YOLO 训练的目录结构建议如下dataset/ ├── images/ │ ├── train/ │ ├── val/ │ └── test/ ├── labels/ │ ├── train/ │ ├── val/ │ └── test/ ├── data.yaml └── classes.txtimages/train和labels/train一一对应文件名必须一致只是后缀不同。这个结构是 YOLOv5/v8 默认支持的不需要额外改代码。很多新手在划分数据集时只移动了图片标签还留在原目录YOLO 训练时直接警告WARNING: no labels found训练出来的模型学了个寂寞。3.3 卫星遥感数据划分的特殊性避免同源泄漏这是遥感数据和普通数据集最不一样的地方。遥感大图通常是先切成小块再标注的比如一张 8000×8000 的大图切成 64 张 1000×1000 的小图那么同一张大图切出来的小图在光照条件、地表覆盖上是高度相似的。如果这些同源小图同时出现在训练集和验证集里验证指标会虚高——模型其实记住了场景不是学会了检测目标。处理方式有两种。第一种是物理隔离把原始大图的 ID 编码进文件名比如scene001_tile01.jpg、scene001_tile02.jpg划分时按 scene 前缀分组切分保证同一个大图的全部小图只进一个集合。第二种是这份资源脚本的做法——不做隔离但需要你在划分后用脚本检查训练集和验证集之间是否存在相同的场景前缀如果有手动挑出重复的验证图片。我个人的经验是1000 张图片的数据集规模不算大可以用 8:1:1 或者 7:2:1 的比例划分。但如果你的场景特别强调小目标检测能力建议验证集稍微大一点比如 15%否则验证集里目标太少mAP 的波动会很大炼丹的时候根本分不清是模型改好了还是验证集随机性导致的。4. 环境搭建与训练Linux 和 Windows 双版本怎么选4.1 YOLO 环境搭建的版本匹配问题这份资源里包含 Linux 版和 Windows 版的 YOLO 环境搭建教程这很务实——不同从业者的开发机差异太大。我自己两种环境都跑过先说结论有 NVIDIA GPU 且显存大于 6GB 的直接上 Linux只有 Windows 且显卡一般比如 GTX 1650 或核显Windows 版教程也能跑通但建议用 CPU 训练时把batch调小做好训练速度慢 10 倍的心理建设。环境搭建的核心是版本匹配。PyTorch 和 CUDA 的版本关系是最大的坑CUDA 版本太新或太老PyTorch 的.whl文件都无法安装成功。可以用以下命令检查你的 GPU 驱动支持的 CUDA 版本nvidia-smi看右上角的 CUDA Version这是驱动支持的最高版本。然后去 PyTorch 官网选择对应 CUDA 版本的安装命令比如# CUDA 11.8 对应 PyTorch 1.13~2.0 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118 # CUDA 12.1 对应 PyTorch 2.1 pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121这里的逻辑是驱动的 CUDA Version 必须大于等于 PyTorch 的 CUDA 版本不是反过来。比如你驱动显示 CUDA 12.0那就装 cu118 或者 cu121 的 PyTorch 都行但不能装 cu111 的——不是不能装是装了之后 GPU 利用率会很低或者直接报错CUDA driver version is insufficient。4.2 训练前的模型选型YOLOv5 还是 YOLOv8数据集配套的教程大概率以 YOLOv5 为主线但我建议你根据任务复杂度选。YOLOv5 生态最成熟坑最少适合第一次跑通流程YOLOv8 的 anchor-free 设计对小目标检测更友好内置的yolo命令行工具也更简洁。两个框架的模型结构不同但数据格式和目录结构是通用的这套数据集可以无缝切换。以 YOLOv8 为例训练命令非常简洁# 安装 ultralytics pip install ultralytics # 训练 yolo train datadata.yaml modelyolov8n.yaml epochs100 batch16 imgsz640data.yaml在项目根目录下手动创建train: dataset/images/train val: dataset/images/val test: dataset/images/test nc: 4 # 类别数量按数据集的 classes.txt 修改 names: [ship, plane, storage_tank, vehicle]nc和names的顺序必须和标签文件里的class_id严格对应。这一行错了训练能跑、loss 能降、推理能出框但类别全对不上号。4.3 遥感小目标训练的几个关键参数遥感小目标检测的训练参数和标准 COCO 数据集有显著差异直接照搬默认参数会损失不少精度。先说imgszYOLO 默认是 640但遥感小目标用 640 会丢失大量细节——目标只有 10×10 像素缩放到 640 后可能只剩下 2×2 像素特征完全消失。建议优先用imgsz1280或者原始图片尺寸只要显存够或者用 Mosaic 随机裁剪增强来弥补。再看 anchor 尺寸。YOLOv5 自动学习 anchor如果你的目标尺寸分布和 COCO 差异大把--noautoanchor去掉让模型重新聚类 anchor。遥感场景下船和储油罐的宽高比差异极大自动聚类出来的 anchor 会比 COCO 默认值更贴合你的数据。最后是 batch size 和学习率的配合。显存不够时把 batch 调小但学习率也要跟着调小否则梯度更新步长太大、loss 震荡。经验公式batch 从 64 降到 16学习率从 0.01 降到 0.0025对应学习率也应该按比例缩放。关心损失函数的人可以注意一下——YOLOv8 默认用了CIoUloss对目标尺度不敏感遥感场景下建议保留默认不用改。5. 训练过程中的常见问题排查五个高频翻车点5.1 标签文件为空或标签缺失导致训练警告现象YOLO 训练日志中大量出现WARNING: No labels found in .../images/train/xxx.jpg训练可以继续但 mAP 始终为 0。原因划分脚本没有同步移动标签文件或者标签文件名和图片名不匹配。数据集里有个别图片可能因为标注质量筛查被删掉了标签但图片还留在原目录。解决写一个校验脚本遍历images/train下所有图片检查labels/train下是否存在同名.txt文件。发现缺失就把图片从训练数据中剔除不要保留无标签的图片——YOLO 会把它当负样本处理但你这个场景没有背景类相当于强制模型学会输出空检测干扰训练。5.2 类别编号错位训练的模型预测类别张冠李戴现象模型收敛不错loss 稳定在低位但推理时模型能框出目标类别标签却是错的——船识别成飞机飞机识别成储油罐。原因最常见的是训练时data.yaml的names顺序和制作标签时classes.txt的顺序不一致。YOLO 标签只存class_id数字这个数字的具体含义完全取决于names的定义。比如制作标签时classes.txt里ship是第 0 类但训练时data.yaml里names第一个写的是plane那么所有原本是船的标注都会被模型当成飞机学习。解决从这份数据集的classes.txt里复制顺序到data.yaml不要手动重新排列类别如果需要过滤掉某些类别必须重新生成标签文件而不是在data.yaml里删掉类别名。5.3 训练时 loss 为 NaN或者训练到一半直接崩溃现象前几个 epoch 正常到第 10 个 epoch 左右 loss 突然变为 NaN或者报错CUDA out of memory。原因NaN 常见原因是学习率过大导致梯度爆炸尤其在 batch size 比较大的时候也可能是标签里有极端坐标值如宽高为 0 或超过图片边界触发损失函数中的除零。CUDA out of memory 则是imgsz设置过大或 batch 过大遥感图片分辨率高设成 1280 之后显存占用成倍上涨。解决遇到 NaN 先检查标签文件——用脚本扫描所有 txt 中是否有w或h小于等于 0 的行有就删除对应目标。没有标签问题就把初始学习率调低 10 倍重试比如从 0.01 降到 0.001。显存不够时优先降 batch不要降imgsz——对小目标检测来说分辨率比 batch 重要batch 可以用梯度累积替代。5.4 验证集 mAP 很高但实际推理效果很差现象训练流程顺利验证集 mAP0.5 达到 0.85 以上但把模型部署到新图片上漏检严重或误检成堆。原因最典型的两个问题——验证集和训练集同源泄漏前文说过遥感大图切片导致的信息泄漏以及图片尺寸不匹配训练时用 1280推理时用 640小目标直接消失。还有一个不太容易想到的因素卫星遥感图片是俯视视角和水平视角的常规图片不同如果你用 COCO 预训练权重起步特征提取器的低层特征对旋转目标的响应可能不稳定。解决推理时强制用和训练时相同的imgsz如果是遥感大图采用滑窗推理yolo detect predict支持对原始大图直接推理YOLOv8 会自动做多尺度。验证集指标虚高的减少验证集和训练集的场景重叠或者直接用完全独立来源的图片做测试。5.5 Linux 和 Windows 路径分隔符导致的找不到文件现象Windows 上划分好的数据集拷到 Linux 服务器后训练时报FileNotFoundError或者图片读取为 0 字节。原因data.yaml里写死了 Windows 路径格式比如dataset\images\train用了反斜杠Linux 无法识别或者文件复制过程中文件名中的中文字符编码在 Linux UTF-8 环境下显示异常。解决data.yaml里的路径一律用相对路径./dataset/images/train而不是绝对路径并且把脚本和数据集放在同级目录下执行。文件的编码问题在 Windows 上先把整个数据集目录用 7-Zip 压缩打包再到 Linux 上解压不要用 U 盘直接拖拽复制——这种方式最容易丢文件或改文件名。6. 数据集训练与验证的收尾技巧从 mAP 到可视化检查训练脚本跑完模型权重文件是最好的交付物。但权重文件和训练日志之间还有一个容易被省略的步骤——验证。这一步不应只输出 mAP 数值还要保存预测图片和混淆矩阵理由很简单mAP 是平均数平均数的背后可能藏着某个类别的严重退化。先看 YOLOv8 训练结束后自动生成的runs/detect/train目录里面包含confusion_matrix.png和results.png。打开混淆矩阵重点看对角线之外的非零项——如果船这个类别有一部分被检测成储油罐说明这两个类别在当前的图片分辨率下特征还不够区分需要提高imgsz或者增加这两个类别的样本量。results.png里的val/box_loss和val/cls_loss曲线如果在训练后期还有明显下降趋势说明训练轮数不够直接续训。再看预测图片的置信度分布这是我个人最常做的收尾动作。遥感检测的置信度阈值设置是个玄学问题——调高了漏检调低了误报。建议在验证集上用不同置信度跑一遍画一个 PR 曲线或者直接取 mAP0.5:0.95 指标旁的 PR 曲线图找到 Precision 和 Recall 的交叉点那个点附近的置信度就是适合你这个应用场景的初始阈值。比如训练完发现交叉点在 0.35那你推理时就用 0.35 作为conf参数而不是默认的 0.25。# 用训练好的权重对测试图片推理显式指定置信度阈值 yolo predict modelruns/detect/train/weights/best.pt sourcetest_images/ conf0.35 imgsz1280 saveTrue推理完成后打开标注了检测框的图片用 200% 放大看小目标。如果发现 10×10 像素以下的船基本没被检出优先做两件事一是检查训练时的imgsz——如果低于 1280改成 1280 后重训二是确认标签文件里的目标没有被误过滤掉。缩放图片到 416 再标注再训练的做法对遥感小目标来说基本不可行信息损失太大。最后一条习惯建议每次训练完我会把data.yaml、训练命令、epochs、imgsz、batch 这些参数记在一个文本文件里和权重文件放在同一个目录。别高估你的记性——三个月后回看一个模型如果没有记录你连这个模型是什么类别的定义都查不出来。从那以后我每次跑遥感数据集都会强迫自己多花这一分钟写训练记录再顺手把验证集的 PR 曲线截图存一份下次调参时直接翻历史省下来的时间远不止这一分钟。这份数据集的完整链路不算复杂但每一步都有它自己的坑。数据格式选对、划分脚本改对、环境版本配对训练过程基本是顺水推舟的事。如果你也准备在自己的遥感任务上用 YOLO希望这套数据加教程能帮你省掉前面最枯燥的一周。本文还有配套的精品资源点击获取