航空遥感图像数据集Vehicle Detection in Aerial Imagery制作目标分类数据集

一、数据集介绍

Vehicle Detection in Aerial Imagery是一个机载图像目标检测的数据集，包括，包含9个类别：‘plane’, ‘boat’, ‘camping car’, ‘car’, ‘pick-up’, ‘tractor’,‘truck’, ‘van’, and the ‘other’。

标注的格式为：
00000000 580.697942 1009.223279 3.012318 554 605 607 558 1004 996 1016 1021 002 1 0
具体的，每一部分含义为：
00000000（图像ID） 580.697942 1009.223279（图像中心坐标） 3.012318（目标角度） 554 605 607 558 1004 996 1016 1021（bbox四个角坐标） 002（类别） 1（是否完全在图中） 0（是否堵塞）
其中，对于分类任务有价值的标注为图像ID，四个角点坐标以及类别。

二、数据集预处理

为了制作目标分类数据集，首先要将对应的目标截取出来。根据图像ID索引到对应图片，通过bbox的坐标在图片中截取除特定目标区域（上图根据标注截取出的目标为）：

代码如下：

def LoadPosition(annopath,filename):
    f = open(annopath)
    pos = []
    for lines in f:
        a = list(map(float,lines.split()))
        if a[0] == float(filename.split('_')[0]):
            b = list(map(int,a[4:12]))
            cord = [max(0,min(b[0:4])),max(b[0:4]),max(0,min(b[4:8])), max(b[4:8])]
            pos.append(cord)
    f.close()
    return pos
if __name__ == '__main__':
    anno = './annotation.txt'
    count = 0
    savepath = './coprocess/'
    for i in range(1272):
        filename = str(i).zfill(8)+'_co.png'
        pos = LoadPosition(anno,filename)
        re = cv2.imread('./Vehicules1024/'+filename)
        for j in pos:
            tmp = re[j[2]:j[3],j[0]:j[1]]
            cv2.imwrite(savepath + str(count).zfill(5)+'.jpg',tmp)
            count += 1

读取标准内类别信息，形成单独的类别文件（这个数据集标注很奇怪，明明只有九个类别，硬是标注出了11,23,31等奇怪的类别号，就把所有类别给转成了0-9之内，方便之后的训练）：

def TransLabeltoTxt(path):
    f = open(path)
    p = open('E:/Vehicle Detection in Aerial Imagery/Vehicules1024/label1.txt','a+')
    p.seek(0)
    p.truncate()
    for lines in f:
        a = list(map(float, lines.split()))
        if int(a[12]) == 10:
            p.writelines(str(0)+'\n')
        elif int(a[12]) == 11:
            p.writelines(str(6)+'\n')
        elif int(a[12]) == 23:
            p.writelines(str(8)+'\n')
        elif int(a[12]) == 31:
            p.writelines(str(3)+'\n')
        else:
            p.writelines(str(int(a[12])) + '\n')
    return "Trans success"

这样就获得了一个包含所有目标图片的文件夹，以及一个0-9的类别txt。这样的数据集就适合目标分类任务啦。