Ultralytics xView 卫星目标检测数据集实战指南：从手动下载、GeoJSON 自动转换到 YOLO26 训练

xView 是目前规模最大的公开卫星影像目标检测基准之一：60 个细粒度类别、100 万+ 目标实例、0.3 m 分辨率的 WorldView-3 遥感影像。本篇以 Ultralytics 官方数据集文档为核心，完整讲解 xView 的手动下载布局、xView.yaml 数据集配置、首次训练时的 GeoJSON 标注自动转换与 90/10 自动划分机制，并结合仓库源码剖析其底层实现，最终给出可直接运行的 YOLO26 训练代码与 CLI 命令。读完本文，你可以独立完成 xView 数据准备，并在卫星影像场景上训练出自己的检测模型。

数据集概览

xView 数据集由美国国家地理空间情报局（NGA）为 DIUx xView 2018 Challenge 发布，包含超过 1400 km² 的 0.3 m WorldView-3 影像，其中：

• 目标实例总数超过 100 万；
• 共 60 个类别，覆盖飞机、车辆、铁路设备、船舶、工程设备和建筑；
• 标注形式为水平边界框（bounding box）；
• 完整数据需手动下载约 20.7 GB。

该数据集被创建用于推动四个计算机视觉前沿方向：

1. 降低检测所需的最低分辨率；
2. 提升学习效率；
3. 发现更多目标类别；
4. 改进细粒度类别的检测能力。

与 COCO 等地平视角基准不同，xView 面向俯视影像：目标更小、密度更高，对 目标检测 模型的定位精度提出了更苛刻的要求。

数据集结构与类别体系

xView 的影像为大尺寸 TIF 格式卫星场景。一个关键点：只有 847 张训练图附带公开标注，而 282 张竞赛验证图没有公开标签。因此 xView.yaml 配置会在首次使用时对已标注图像自动做 90/10 划分：

划分	图像数	说明
训练集	847 张的约 90%	首次运行时生成的 autosplit_train.txt 中列出的图像
验证集	847 张的约 10%	autosplit_val.txt 中列出的图像，用于评估

60 个类别横跨多个细粒度层级，例如：Fixed-wing Aircraft（固定翼飞机）、Cargo Plane（货机）、Small Car（小型汽车）、Bus（公交车）、Locomotive（机车）、Maritime Vessel（船舶）、Excavator（挖掘机）、Building（建筑）、Aircraft Hangar（机库）、Storage Tank（储罐）等，完整清单见下文 Dataset YAML 一节。

另一个容易踩坑的细节：转换过程中，竞赛原始类别 ID（11–94）会被重映射为连续的 0–59 索引，保证与 YOLO 格式的类别编号一一对应（源码依据见 自动转换流程）。

手动下载与目录要求

xView 不会被自动下载。官方脚本中的自动下载 URL 已被注释，要求使用者自行操作：

1. 在 xView 2018 Challenge 网站注册账号，人工下载 train_images.zip（约 15 GB）、train_labels.zip 和 val_images.zip（约 5 GB）；
2. 将文件解压到 datasets/xView/，最终目录结构必须包含：

datasets/xView/
├── train_images/          # 847 张 TIF 卫星影像
├── val_images/             # 282 张 TIF 影像（无公开标签）
└── xView_train.geojson     # 边界框标注

首次训练时，Ultralytics 会自动将 GeoJSON 标注转换为 YOLO 格式，并把已标注图像按约 90/10 比例自动划分训练/验证集——无需手动转换。这一行为由 xView.yaml 中内嵌的 download: 脚本驱动（该脚本的注释明确要求：“Download and extract data manually to datasets/xView before running the train command”）。

Dataset YAML

数据集配置文件 xView.yaml 定义了数据集路径、60 个类别名称以及负责 GeoJSON 转换与自动划分的下载脚本，关键部分如下：

# Train/val/test sets as 1) dir: path/to/imgs, 2) file: path/to/imgs.txt, or 3) list
path: xView # dataset root dir
train: images/autosplit_train.txt # train images (relative to 'path') 90% of 847 train images
val: images/autosplit_val.txt # val images (relative to 'path') 10% of 847 train images

# Classes
names:
  0: Fixed-wing Aircraft
  1: Small Aircraft
  2: Cargo Plane
  3: Helicopter
  4: Passenger Vehicle
  5: Small Car
  6: Bus
  7: Pickup Truck
  8: Utility Truck
  9: Truck
  10: Cargo Truck
  11: Truck w/Box
  12: Truck Tractor
  13: Trailer
  14: Truck w/Flatbed
  15: Truck w/Liquid
  16: Crane Truck
  17: Railway Vehicle
  18: Passenger Car
  19: Cargo Car
  20: Flat Car
  21: Tank car
  22: Locomotive
  23: Maritime Vessel
  24: Motorboat
  25: Sailboat
  26: Tugboat
  27: Barge
  28: Fishing Vessel
  29: Ferry
  30: Yacht
  31: Container Ship
  32: Oil Tanker
  33: Engineering Vehicle
  34: Tower crane
  35: Container Crane
  36: Reach Stacker
  37: Straddle Carrier
  38: Mobile Crane
  39: Dump Truck
  40: Haul Truck
  41: Scraper/Tractor
  42: Front loader/Bulldozer
  43: Excavator
  44: Cement Mixer
  45: Ground Grader
  46: Hut/Tent
  47: Shed
  48: Building
  49: Aircraft Hangar
  50: Damaged Building
  51: Facility
  52: Construction Site
  53: Vehicle Lot
  54: Helipad
  55: Storage Tank
  56: Shipping container lot
  57: Shipping Container
  58: Pylon
  59: Tower

完整文件（含 60 类清单与内嵌 Python 下载脚本）见 ultralytics/cfg/datasets/xView.yaml。几个值得注意的配置细节：

• train/val 指向 txt 文件而非目录：这是 Ultralytics 数据集配置支持的三种形式之一（目录、txt 文件列表、路径列表）。txt 由自动划分脚本生成，因此首次运行前这两个文件并不存在，check_det_dataset 检测到缺失后会触发 download 脚本来补齐（详见下文）。
• 自动下载 URL 被刻意注释：脚本中保留了 train_labels.zip、train_images.zip、val_images.zip 三个 URL 注释，但 download(urls, dir=dir) 调用同样被注释掉，明确将下载行为留给人工完成——这是与 COCO 等可自动下载数据集的显著区别。
• 脚本会重组目录：转换完成后，train_images、val_images 会被重命名为 images/train、images/val，与 train:/val: 字段指向的 images/autosplit_*.txt 布局对齐。

自动转换流程深入剖析

“首次训练自动完成标注转换与划分”是 xView 工作流的核心，其调用链在仓库中可完整追踪：

1. 触发点：check_det_dataset 执行内嵌脚本

训练入口 check_det_dataset（位于 ultralytics/data/utils.py）负责解析数据 YAML。当 val 路径不存在且 YAML 定义了 download 脚本、autodownload=True 时，框架会区分三种脚本类型执行：以 http 开头且以 .zip 结尾的按 URL 下载、以 bash 开头的执行 shell，其余按 Python 源码执行：

elif s.startswith("bash "):  # bash script
    subprocess.run(s.split(), check=True)
else:  # python script
    exec(s, {"yaml": data})

也就是说，xView.yaml 中 download: 字段下那段 Python 代码会在框架内部被 exec 执行，且共享变量 yaml 指向解析后的数据集字典。

2. GeoJSON 到 YOLO 标注：convert_labels

内嵌脚本的 convert_labels() 函数（xView.yaml）逐条遍历 GeoJSON 的 features：

• 读取每个目标的 bounds_imcoords（"x1,y1,x2,y2" 像素坐标字符串）与 type_id；
• 通过一张 95 长的查找表 xview_class2index 将原始类别 ID 11–94 映射到 0–59，映射表中值为 -1 的条目表示该原始 ID 不纳入 60 类体系（例如被合并或剔除的类别）：

# xView classes 11-94 to 0-59
xview_class2index = [-1, -1, -1, -1, -1, -1, -1, -1, -1, -1, -1, 0, 1, 2, -1, 3, ...]

• 用 Image.open(image_file).size 读取每张 TIF 的真实宽高（按 image_id 缓存），再调用 xyxy2xywhn 完成坐标转换。该函数位于 ultralytics/utils/ops.py，核心逻辑是：clip=True 时先将边界框裁剪到图像范围内，再转换为归一化中心点+宽高格式：

y[..., 0] = ((x1 + x2) / 2) / w  # x center
y[..., 1] = ((y1 + y2) / 2) / h  # y center
y[..., 2] = (x2 - x1) / w       # width
y[..., 3] = (y2 - y1) / h       # height

• 每行以 cls x y w h 六位小数写入 labels/train/<image_id>.txt。脚本还做了两层防御：单图标注转换失败只打印 WARNING 并跳过该条标注，不会中断整体流程；对缺失图像（注释指出 1395.tif 实际缺失）直接跳过。

3. 自动划分：autosplit

脚本最后调用 autosplit（定义于 ultralytics/data/split.py），它：

• 默认权重为 (0.9, 0.1, 0.0)，即 90% 训练、10% 验证、0% 测试，正好对应 xView.yaml 中 train:/val: 的 90/10 描述；
• random.seed(0) 固定随机种子，保证每次生成的划分结果可复现；
• 将分配结果写入 autosplit_train.txt、autosplit_val.txt（及 autosplit_test.txt），每行格式为 ./images/train/xxxx.tif（相对 images/ 的路径）。写入前会先删除已有的同名 txt 文件，避免重复累积。

因此首次训练日志中会依次出现：GeoJSON 加载与转换进度条、图像目录重命名、Autosplitting images from ... 信息。第二次训练时 val 路径已存在，脚本不再触发，直接复用既有划分。

训练 YOLO26

在手动解压数据到 datasets/xView/ 后，标注转换与划分自动完成，即可开始训练。以 100 个 epoch、图像尺寸 640 为例：

Python

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="xView.yaml", epochs=100, imgsz=640)

CLI

# Start training from a pretrained *.pt model
yolo detect train data=xView.yaml model=yolo26n.pt epochs=100 imgsz=640

两点实践提示：

• data="xView.yaml" 会先按裸数据集名解析（check_det_dataset 支持将 xView 自动补全为 xView.yaml），并优先在框架内置的 cfg/datasets/ 目录中查找，无需把 YAML 拷贝到工作目录；
• 60 个细粒度类别中大量小目标（Small Car、Motorboat、Shipping Container 等）对输入分辨率敏感，可根据显存适当上调 imgsz 以获得更好的细粒度定位效果。所有可调参数的完整清单见 训练模式文档。

典型应用场景

xView 的细粒度类别与高分辨率俯视视角，使其成为遥感 深度学习 模型训练与评测的标准基准之一，常见落地方向包括：

• 军事与国防侦察；
• 城市规划与开发；
• 环境监测；
• 灾害响应与评估；
• 基础设施测绘与管理。

若需要其他俯视影像基准，可参考面向无人机的 VisDrone 数据集，或使用旋转框的 DOTA-v2 数据集。

引用与致谢

如果在研究或开发中使用了 xView 数据集，请引用以下论文（Lam et al., arXiv:1802.07856, 2018）：

@misc{lam2018xview,
      title={xView: Objects in Context in Overhead Imagery},
      author={Darius Lam and Richard Kuzma and Kevin McGee and Samuel Dooley and Michael Laielli and Matthew Klaric and Yaroslav Bulatov and Brendan McCord},
      year={2018},
      eprint={1802.07856},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

感谢美国国防部创新单元（DIU）与 xView 数据集创建者对计算机视觉研究社区的贡献。

常见问题

如何下载并搭建 xView 数据集？ xView 需要手动下载：在 xView 2018 Challenge 网站注册后下载 train_images.zip（约 15 GB）、train_labels.zip、val_images.zip（约 5 GB），共约 20.7 GB，解压到 datasets/xView/ 并保证目录结构含 train_images/、val_images/、xView_train.geojson。首次训练时 Ultralytics 自动完成 GeoJSON 到 YOLO 格式的转换与 90/10 划分。

xView 有多少图像和类别？ 847 张带标注训练图 + 282 张无公开标签的验证图，均为 WorldView-3 卫星 0.3 m 分辨率影像；标注覆盖 60 个类别、100 万+ 目标实例。由于只有训练集标签公开，xView.yaml 自动将 847 张已标注图像按约 90/10 划分为训练与验证集。

转换后的 YOLO 标注保存在哪里？ 转换脚本将每张图像的标注写入 datasets/xView/labels/train/<image_id>.txt，每行一条 cls cx cy w h（归一化坐标）。图像目录随后被重排为 images/train 与 images/val，并由 autosplit_*.txt 决定具体样本归属。