HRSC2016数据集处理避坑指南：从XML旋转框到YOLO格式的完整转换流程
HRSC2016数据集实战：旋转框转换与YOLO格式处理的深度解析
第一次接触HRSC2016数据集时，我被那些复杂的旋转框标注弄得晕头转向。作为专门用于船舶检测的数据集，HRSC2016的XML标注格式与常规水平框完全不同，而将其转换为YOLO可用的格式更是一路踩坑。本文将分享我从原始XML到最终YOLO格式的完整转换经验，特别聚焦那些容易出错的细节和验证方法。
1. 理解HRSC2016数据集结构
HRSC2016数据集包含两个主要文件夹：Train和Test。每个文件夹下都有两个关键子目录：
- AllImages：存储.bmp格式的原始图像
- Annotations：包含XML格式的标注文件
XML标注的核心信息集中在HRSC_Object节点中，特别是以下几个关键字段：
<HRSC_Object> <Class_ID>17001</Class_ID> <mbox_cx>569.5045</mbox_cx> <mbox_cy>263.4875</mbox_cy> <mbox_w>261.0578</mbox_w> <mbox_h>65.08137</mbox_h> <mbox_ang>-1.562451</mbox_ang> </HRSC_Object>这些字段定义了旋转框的中心点坐标(cx,cy)、宽度(w)、高度(h)和旋转角度(ang)。需要注意的是：
- 角度以弧度表示，正值表示顺时针旋转
- 宽度和高度是旋转前的原始尺寸
- Class_ID的前两位通常表示大类，后三位表示具体子类
2. 从XML到DOTA格式：旋转框顶点计算
转换的第一步是将中心点表示法转换为四个顶点坐标。这是通过hrsc2dota.py脚本完成的，核心在于旋转矩阵的应用：
def get_rotated_box_vertices(labels, label_path): with open(label_path,'w') as f: for i in range(len(labels)): class_id, mbox_cx, mbox_cy, mbox_w, mbox_h, angle_rad = labels[i] # 构建旋转矩阵 rotation_matrix = np.array([ [np.cos(angle_rad), -np.sin(angle_rad)], [np.sin(angle_rad), np.cos(angle_rad)] ]) # 计算半宽高 box_half_width = mbox_w / 2 box_half_height = mbox_h / 2 # 定义原始顶点(未旋转) box_vertices = np.array([ [-box_half_width, -box_half_height], [box_half_width, -box_half_height], [box_half_width, box_half_height], [-box_half_width, box_half_height] ]) # 应用旋转 rotated_vertices = np.dot(box_vertices, rotation_matrix.T) # 平移至中心点 rotated_vertices[:, 0] += mbox_cx rotated_vertices[:, 1] += mbox_cy # 四舍五入为整数 rotated_vertices = np.round(rotated_vertices).astype(np.int32) rotated_vertices = rotated_vertices.reshape(-1) # 写入文件：x1 y1 x2 y2 x3 y3 x4 y4 class_id f.write(" ".join([str(a) for a in rotated_vertices]) + " " + str(class_id) + '\n')注意：实际应用中，建议先创建DOTA_labels目录再运行脚本，否则会报错。对于Train和Test集需要分别处理。
3. 可视化验证：确保转换正确性
转换后必须验证结果，dota_drawed.py脚本可以将旋转框绘制到图像上：
img = cv2.imread(img_path) poly = [] for i in range(len(objects)): poly.append(np.array(objects[i]['poly'], dtype=np.int32)) cv2.polylines(img, poly, isClosed=True, color=(255, 0, 0), thickness=2) cv2.imwrite(drawed_img_path, img)常见问题及排查方法：
- 框体错位：检查旋转矩阵计算是否正确，特别是角度符号
- 框体变形：确认宽度和高度是否对应正确的边
- 类别错误：验证Class_ID的解析逻辑
4. DOTA到YOLO格式的转换策略
dota2yolo.py脚本完成了关键的类型映射和归一化处理。这里有几个技术要点：
4.1 类别映射简化
原始HRSC2016有31个细粒度类别，但实际应用中常合并为4个大类：
aircraft_carrier = [2,5,6,12,13,31,32,33] # 航空母舰 warcraft = [3,7,8,9,10,11,14,15,16,17,19,28,29] # 军舰 merchant_ship = [4,18,20,22,24,25,26,30] # 商船 submarine = [27] # 潜艇4.2 归一化处理
YOLO格式要求坐标归一化到[0,1]范围：
x1_normalized = x1 / image_width y1_normalized = y1 / image_height # 其他坐标点同理...4.3 关于"+14"的谜团
原始代码中有个令人困惑的操作：
# 原作者注释掉的代码 # aircraft_carrier = [x + 14 for x in aircraft_carrier]经过分析，这是早期版本中类别ID偏移导致的。在最新HRSC2016数据集中：
- Class_ID直接从XML读取即可
- 取模运算
class_id = int(obj.find('Class_ID').text) % 100已足够 - 不需要额外+14的偏移量
5. 数据集划分与YOLO适配
使用split.py脚本划分训练集和验证集时，需要注意：
- 路径设置必须与实际目录结构一致
- 建议比例：
- 训练集：80%
- 验证集：20%
最终YOLO数据集目录结构应如下：
mydataset/ ├── images/ │ ├── train/ │ └── val/ └── labels/ ├── train/ └── val/每个标签文件内容格式示例：
1 0.512345 0.423456 0.534567 0.412345 0.545678 0.456789 0.523456 0.4678906. 高级技巧与性能优化
在实际项目中，我还发现几个提升效率的方法：
批量处理加速：使用多进程处理大量图像
from multiprocessing import Pool def process_single(args): xml_path, txt_path = args get_rotated_box_vertices(get_label(xml_path), txt_path) if __name__ == '__main__': args_list = [(os.path.join(xml_root,name), os.path.join(txt_root,name.split('.')[0]+'.txt')) for name in os.listdir(xml_root)] with Pool(4) as p: # 4个进程 p.map(process_single, args_list)验证脚本增强：添加随机颜色和透明度
color = (random.randint(0,255), random.randint(0,255), random.randint(0,255)) overlay = img.copy() cv2.fillPoly(overlay, [poly], color) img = cv2.addWeighted(overlay, 0.3, img, 0.7, 0)异常处理：对无效标注的容错机制
try: angle_rad = float(obj.find('mbox_ang').text) if not -math.pi <= angle_rad <= math.pi: angle_rad = angle_rad % (2*math.pi) if angle_rad > math.pi: angle_rad -= 2*math.pi except: print(f"Invalid angle in {xml_path}, using 0") angle_rad = 0.0
处理HRSC2016数据集最耗时的部分不是代码运行，而是反复验证每个转换环节的正确性。我建议在关键步骤都添加可视化验证，虽然这会增加一些开发时间，但能避免后续训练时的各种诡异问题。