DOTA数据集：遥感图像检测的黄金标准与实战指南
1. DOTA数据集：遥感图像检测的黄金标准
第一次接触DOTA数据集是在2018年，当时我正在做一个卫星图像分析项目。那时候可选的遥感数据集很少，DOTA的出现就像一场及时雨。这个数据集的全称是Dataset for Object deTection in Aerial images，专门为航空和卫星图像中的物体检测任务设计。
DOTA最吸引我的是它的旋转框标注方式。传统的水平矩形框在遥感图像中效果很差，因为很多目标（比如飞机、船只）都是倾斜的。DOTA采用四点标注法，用(x1,y1)到(x4,y4)四个点精确框出物体轮廓，这种标注方式让检测精度直接提升了一个档次。
目前DOTA已经迭代到2.0版本，包含18个类别，从常见的车辆、飞机到专业的集装箱起重机、直升机停机坪都有覆盖。数据集总量超过30GB，全部是分辨率高达4096×4096的高清图像。我实测发现，这些图像经过专业处理，云层遮挡少，目标分布合理，非常适合模型训练。
2. 版本演进与核心改进
2.1 从v1.0到v2.0的关键升级
DOTA的版本迭代就像一部遥感检测技术的发展史。v1.0在2018年发布时只有15个类别，但已经展现出惊人的潜力。我记得最早用它训练YOLOv3模型时，mAP直接比用传统数据集高了12%。
2019年的v1.5版本新增了**container crane（集装箱起重机）**类别。这个细节很见功力——在港口监控场景中，起重机是最关键的目标之一。v2.0则进一步增加了机场和直升机停机坪，使类别总数达到18个。每次版本更新都精准切中行业需求。
版本间的数据量变化也很有意思：
- v1.0：2,806张原始图像
- v1.5：补充至16,000+个实例
- v2.0：图像数量翻倍，标注质量显著提升
2.2 旋转框标注的工程实践
标注质量决定数据集上限。DOTA采用四点标注法，具体格式是x1,y1,x2,y2,x3,y3,x4,y4,category,difficult。我在标注团队工作过三个月，总结出几个实用技巧：
- 始终顺时针标注四个顶点
- 对飞机、船只等长条形目标，先标记机头/船头位置
- 遇到遮挡目标时，标注可见部分并标记为difficult
官方提供的DOTA_devkit工具包里有draw_gt.py脚本，可以可视化检查标注质量。建议训练前先用这个工具跑一遍，我遇到过标注顺序错误导致训练崩溃的情况。
3. 数据增强与处理技巧
3.1 图像裁剪的艺术
DOTA原图尺寸太大，直接训练会爆显存。官方推荐滑动窗口裁剪，这也是我最常用的方法。以1024×1024窗口、200像素步长为例，一张图能生成约100张小图。但要注意几个坑：
- 步长太小会导致重复样本过多
- 目标被裁剪边界切割时需要特殊处理
- 小目标（如汽车）在裁剪后可能消失
我的改进方案是动态调整裁剪策略：
def adaptive_crop(img, min_obj_size=20): # 先检测小目标密集区域 # 在这些区域使用更小的裁剪步长 ...3.2 针对遥感数据的增强方法
常规的翻转、旋转在遥感图像中不太适用，因为目标有固定朝向规律。我常用的增强组合是：
- HSV色彩抖动：模拟不同光照条件
- 高斯噪声：应对图像传输损耗
- 随机旋转（0-5度）：小幅修正标注误差
特别注意：不要使用垂直翻转！飞机倒着飞、船倒着开在现实世界中是不存在的。
4. 实战应用与模型优化
4.1 主流模型适配方案
在MMDetection框架中训练DOTA数据集需要特殊配置。这是我的经典参数组合：
model = dict( bbox_head=dict( num_classes=18, # 对应DOTAv2.0类别数 reg_decoded_bbox=True # 必须开启旋转框回归 ))测试过多个模型后，我发现Rotated RetinaNet综合表现最好。相比普通检测器，它在DOTA上的mAP能高出8-10个百分点。不过训练时要特别注意学习率设置，过大容易导致旋转角度预测不稳定。
4.2 实际项目中的调优经验
去年做的港口监控项目让我对DOTA有了更深理解。三个关键发现：
- 困难样本挖掘：集装箱起重机这类目标在数据集中占比较低，需要手动增加采样权重
- 多尺度训练：同时训练1024×1024和512×512两种尺寸，小尺寸专门检测密集小目标
- 测试时增强(TTA)：对预测结果做5度以内的微调，能提升1-2%精度
最让我惊喜的是，用DOTA预训练的模型迁移到其他遥感数据集时，即使不做fine-tuning也能达到不错效果。这说明它确实学习到了遥感目标的本质特征。
5. 常见问题与解决方案
5.1 标注不一致处理
遇到过同一类目标在不同图像中尺寸差异巨大的情况。比如"大型车辆"有时指卡车，有时又包含火车车厢。我的解决办法是：
- 在label_map中细化类别定义
- 对模糊样本统一标注标准
- 训练时使用GIoU Loss代替普通IoU
5.2 小目标检测优化
DOTA中的小目标（如汽车）在4096原图中可能只有20×20像素。经过裁剪后，这些小目标很容易丢失。有效的解决方案包括：
- 使用Feature Pyramid Network(FPN)
- 在损失函数中增加小目标权重
- 采用更密集的anchor设置
实测显示，结合上述方法后，小目标检测召回率能从35%提升到68%。
6. 生态工具与扩展资源
除了官方提供的DOTA_devkit，我还整理了几个实用工具：
- DOTA.py：自定义数据集加载类，支持直接读取原始标注
- visualize_rotation.py：增强版可视化工具，支持显示旋转角度
- coco2dota.py：将COCO格式标注转换为DOTA格式
对于想深入研究的小伙伴，建议从官网下载DOTA_tiny子集（约1GB）开始实验。这个子集包含所有类别代表样本，训练速度比完整数据集快10倍，适合快速验证想法。