手把手教你将DOTA遥感数据集标注转为COCO格式（附完整Python代码）
手把手教你将DOTA遥感数据集标注转为COCO格式（附完整Python代码）
遥感图像中的车辆检测是智慧交通、港口监控等场景中的核心任务。DOTA数据集作为遥感领域最具影响力的基准数据集之一，其标注格式与通用目标检测框架（如MMDetection、Detectron2）常用的COCO格式存在显著差异。本文将深入解析两种格式的转换逻辑，并提供一套经过实战检验的Python解决方案。
1. 为什么需要转换标注格式？
DOTA数据集采用旋转框标注（OBB），每个物体由四个角点坐标表示，这种格式能更精确地捕捉遥感图像中物体的朝向和形状。而COCO格式使用水平矩形框（HBB），仅需左上角和右下角坐标。两种格式的核心差异体现在三个方面：
几何表示：
- DOTA：
(x1,y1,x2,y2,x3,y3,x4,y4)四对坐标 - COCO：
[x_min,y_min,width,height]归一化坐标
- DOTA：
数据结构：
# DOTA标注示例（每行一个物体） "x1 y1 x2 y2 x3 y3 x4 y4 class_name difficulty" # COCO标注结构 { "images": [{"file_name": "1.jpg", "id": 1,...}], "annotations": [{"bbox": [x,y,w,h], "category_id": 1,...}], "categories": [{"id": 1, "name": "car"},...] }适用场景：
- DOTA：专为航空图像优化，适合旋转物体检测
- COCO：通用检测基准，主流框架原生支持
提示：当使用YOLOv5、Faster R-CNN等框架时，COCO格式能直接兼容大多数开源代码库和数据增强管道。
2. 转换核心逻辑与代码实现
2.1 关键步骤分解
转换过程需要处理三个核心问题：
- 坐标转换：将旋转框转化为外接水平矩形
- 类别映射：匹配DOTA与COCO的类别体系
- 文件结构重组：从每图单独标注到集中式JSON存储
2.2 完整转换代码
以下代码实现了端到端的格式转换，包含异常处理和可视化验证：
import os import json from PIL import Image import numpy as np class DOTA2COCOConverter: def __init__(self, class_mapping=None): """ :param class_mapping: 自定义类别映射字典 """ self.class_mapping = class_mapping or { 'small-vehicle': 1, 'large-vehicle': 2, 'ship': 3 } def _get_enclosing_bbox(self, points): """将旋转框转为水平矩形框""" x_coords = points[::2] y_coords = points[1::2] x_min, x_max = min(x_coords), max(x_coords) y_min, y_max = min(y_coords), max(y_coords) return [x_min, y_min, x_max - x_min, y_max - y_min] def parse_dota_annotation(self, txt_path): """解析单个DOTA标注文件""" annotations = [] with open(txt_path, 'r') as f: for line in f.readlines(): if line.strip() == '': continue parts = line.strip().split() if len(parts) < 9: continue points = list(map(float, parts[:8])) class_name = parts[8] difficulty = int(parts[9]) if len(parts) > 9 else 0 if class_name not in self.class_mapping: continue bbox = self._get_enclosing_bbox(points) annotation = { "bbox": bbox, "category_id": self.class_mapping[class_name], "iscrowd": 0, "area": bbox[2] * bbox[3] } annotations.append(annotation) return annotations def convert(self, img_dir, ann_dir, output_json): """执行批量转换""" coco_data = { "images": [], "annotations": [], "categories": [ {"id": id, "name": name} for name, id in self.class_mapping.items() ] } annotation_id = 1 for img_name in os.listdir(img_dir): if not img_name.lower().endswith(('.png', '.jpg', '.jpeg')): continue img_path = os.path.join(img_dir, img_name) base_name = os.path.splitext(img_name)[0] txt_path = os.path.join(ann_dir, base_name + '.txt') if not os.path.exists(txt_path): continue with Image.open(img_path) as img: width, height = img.size image_id = len(coco_data["images"]) + 1 coco_data["images"].append({ "id": image_id, "file_name": img_name, "width": width, "height": height }) annotations = self.parse_dota_annotation(txt_path) for ann in annotations: ann.update({ "image_id": image_id, "id": annotation_id }) coco_data["annotations"].append(ann) annotation_id += 1 with open(output_json, 'w') as f: json.dump(coco_data, f, indent=2)3. 实战应用与验证
3.1 典型目录结构
建议采用如下目录组织：
DOTA_dataset/ ├── images/ │ ├── 0001.png │ └── 0002.png └── annotations/ ├── 0001.txt └── 0002.txt3.2 执行转换
converter = DOTA2COCOConverter() converter.convert( img_dir='DOTA_dataset/images', ann_dir='DOTA_dataset/annotations', output_json='coco_annotations.json' )3.3 验证结果
使用COCO API检查转换质量：
from pycocotools.coco import COCO import matplotlib.pyplot as plt coco = COCO('coco_annotations.json') img_ids = coco.getImgIds() img_info = coco.loadImgs(img_ids[0])[0] plt.imshow(Image.open(os.path.join('DOTA_dataset/images', img_info['file_name']))) ann_ids = coco.getAnnIds(imgIds=img_info['id']) annotations = coco.loadAnns(ann_ids) for ann in annotations: bbox = ann['bbox'] plt.gca().add_patch(plt.Rectangle( (bbox[0], bbox[1]), bbox[2], bbox[3], fill=False, edgecolor='red', linewidth=2 )) plt.show()4. 常见问题与优化建议
4.1 典型错误排查
| 错误现象 | 可能原因 | 解决方案 |
|---|---|---|
| JSON文件为空 | 路径错误或类别不匹配 | 检查路径是否存在，确认class_mapping覆盖所有类别 |
| 标注框偏移 | 坐标归一化问题 | 确保使用原始像素坐标，不进行归一化 |
| 类别ID混乱 | 重复的类别映射 | 确保class_mapping中每个类别有唯一ID |
4.2 性能优化技巧
并行处理：对大型数据集使用多进程加速
from multiprocessing import Pool def process_image(args): img_path, ann_path = args # 处理逻辑... with Pool(4) as p: p.map(process_image, file_pairs)增量写入：处理超大数据集时避免内存溢出
with open(output_json, 'w') as f: f.write('{"images": [], "annotations": [], "categories": [...]}\n') # 分批追加数据可视化校验：开发阶段建议对10%的样本进行人工复核
在实际车辆检测项目中，这种转换通常只需执行一次。建议将转换后的COCO文件与原始数据一起归档，并在README中记录转换参数，便于后续复现。