【免费下载】 HRSC2016遥感舰船数据yolov5格式

项目简介

本项目旨在方便研究人员和开发者利用流行的YOLOv5目标检测框架进行舰船识别任务。针对经典遥感图像数据集——HRSC2016（High Resolution Ship Classification），我们进行了适应性改造，使其能够直接服务于YOLOv5模型的训练和评估。HRSC2016以其高分辨率和复杂的舰船形态而著名，非常适合进行对象检测的研究。

数据集转换说明

• 格式转换: 原始数据集中使用的图像格式多为非JPG，我们已将所有训练集和验证集的图像统一转换为JPG格式，以符合YOLOv5的标准输入要求。

• 标签处理: 针对原有的XML标注文件，我们提取关键信息，转换生成YOLOv5所需的TXT格式标注文件。此过程包括坐标信息的转换及类别标签的适配。

• 分类调整:

  • 提供两种不同的数据集版本：
    1. 31类版本：保留了HRSC2016中原有的精细分类，适合进行细粒度识别研究。
    2. 5类简化版本：根据船只类型的大类别进行合并，便于快速原型测试或大类别的舰船识别应用。

如何使用

1. 下载数据: 下载本仓库提供的数据文件夹，包含转换后的JPG图像和对应的TXT标注文件。

2. 配置YOLOv5: 将数据路径指向本仓库中的数据目录，在YOLOv5的data/coco.yaml配置文件中或相应数据集配置文件中调整类名和数据路径。

3. 训练模型: 使用YOLOv5的训练脚本，如python train.py --data data/hrsc_yolo.yaml --weights yolov5s.pt，确保数据配置正确无误。

4. 评估与测试: 训练完成后，可以对验证集进行评估，了解模型性能。

注意事项

• 确保您的YOLOv5环境已经搭建完成，并安装了所有必要的依赖库。
• 数据集的版权和使用条款请参考HRSC2016的官方指南，尊重数据来源。
• 在进行实验前，建议先阅读YOLOv5的官方文档，理解其数据格式要求。

贡献与反馈

欢迎贡献代码优化、报告问题或提出宝贵意见。希望这个资源能为您的研究或项目带来便利，共同推进遥感图像处理技术的发展。

---

通过此项目，您可以快捷地开始在遥感领域的舰船识别任务，利用强大的YOLOv5框架，无论是学术研究还是实际应用都能找到合适的起点。祝您探索愉快！