roboflow平台导入YOLO-OBB定向包围框数据集注释

已于 2025-02-15 19:06:03 修改
阅读量394 收藏 3
点赞数 4
文章标签： YOLO
于 2025-02-15 18:58:42 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/m0_51144920/article/details/145654655
版权

问题背景

在用YOLOv8做定向包围框检测，使用roboflow平台进行标注。已经训练好模型后发现需要补充数据集，于是打算用模型先进行一次识别，之后再导入平台进行精细标注。

问题出现

虽然roboflow平台支持导入注释，但其对于obb格式只支持导出；如果直接导入yolo obb格式的标注，roboflow会将其视为普通目标检测，只会生成一系列水平矩形框，无法达到理想效果。

问题解决

由于yolo定向包围框的格式为「 类别+四个坐标点」，与yolo实例分割任务的格式「 类别+多个坐标点」十分类似，而roboflow是支持导入yolo实例分割的数据集格式的，所以可以将yolo obb格式的数据集注释以实例分割的格式导入。

class_index x1 y1 x2 y2 x3 y3 x4 y4
class_index x1 y1 x2 y2 ... xn yn

操作方

最低0.47元/天 解锁文章
代大楼
关注
YoloV8实战：使用YoloV8实现OBB框检测
m0_47867638的博客
08-29 3384
使用定向边界框（OBB）训练精确的物体检测模型需要一个全面的数据集。本文解释了与Ultralytics YOLO 模型兼容的各种 OBB 数据集格式，深入介绍了这些格式的结构、应用和格式转换方法。数据集使用DOTA。
超详细教程：使用Roboflow导出YOLOv8数据集并进行目标检测训练
一键难忘的博客
11-15 3102
Roboflow 是一个专为计算机视觉任务而设计的数据集管理平台，它提供了多种功能，包括数据集的标注、数据增强、格式转换等。它支持导出多种主流格式，如VOCCOCOYOLOCSV等，极大地简化了数据集的处理过程。如果你需要进行更加个性化的增强，可以使用 Python 中的图像处理库（如 OpenCV 或 Albumentations）自定义增强策略。这对于特定场景下的目标检测非常有用。例如，使用import cv2])本文详细介绍了如何使用Roboflow。
Roboflow下载yolov8数据集
2301_79912726的博客
04-17 689
Roboflow下载yolov8数据集
RoBoflow数据集的介绍
进阶的小宋
04-19 326
https://public.roboflow.com/object-detection（该数据集的网址）可以点击红色箭头所指，右边是可供选择的一些yolo模型的格式。具体的类别可以从data.yaml里面看。选择下载了一个，可以看到数据文件。点击图像可以看到一些基本情况。点击红色箭头所指，也可以选择。如果我们想要下载，直接点击。如果你想下载其他数据集。可以看到一些基本情况。
Roboflow实验数据集-YOLOv8格式
gitblog_09767的博客
10-19 318
Roboflow实验数据集-YOLOv8格式 【下载地址】Roboflow实验数据集-YOLOv8格式 本仓库提供了一个名为“Roboflow实验数据集-YOLOv8格式”的资源文件下载。该数据集主要用于工地场景下的物体检测任务，涵盖了二十余个类别，包括正常物体检测和小目标检测 ...
Roboflow自动标定数据集
Toutiegongzhu的博客
07-04 2514
最近需要自己打数据集，记录一下用Roboflow来打标签。（官网）进入官网先注册，注册完成后进入这个界面。我先讲如果不想让数据集公开怎么办，因为这里每个新建的都是公开的。新账号进去应该进去有个私有数据集，是一个关于安全帽的，可以把这个重命名，并且把里面的所有标签全部删除，全部换成自己的。
roboflow实验数据集-YOLOv8格式
12-14
工地数据集，总共二十余类别包含正常物体检测，小目标检测。
将 COCO 注释（CVAT）转换为 YOLOv8-seg（实例分割）和 YOLOv8-obb​​（定向边界框检测）的注释.zip
11-26
COCO 到 YOLO 转换器，用于实例分割（YOLOv8-seg）和定向边界框检测（YOLOv8-obb​​）该存储库允许将 COCO 格式的注释转换为与训练 YOLOv8-seg 模型（实例分割）和 YOLOv8-obb​​ 模型（旋转边界框检测）兼容的...
DroneVehicle数据集标签转换(.xml→.txt yolo_obb)
qq_45430086的博客
07-24 1960
DroneVehicle数据集由无人机采集的56,878张图像组成，其中一半是RGB图像，其余为红外图像。作者为这五个类别制作了带有定向边界框的丰富注释。
遥感数据集+YOLOV5
从心_的博客
07-25 7043
yolov5s训练
【Roboflow】强大工具：一键生成voc、coco、yolo、csv等格式的数据集
weixin_46600060的博客
02-26 1万+
yolov5官方推荐数据集制作、生成及管理网站 最近在用yolov5训练测试自己的数据集，下载的是西班牙 Ultralytics 公司发布的官方版本，发现要用yolo 格式的数据集。网上也有一些vco转yolo格式的教程，但是觉得麻烦，因此给大家推荐一个比较全能的网站用于一键制作voc、coco、yolo等格式的数据集。 点击页面上的 “Train Custom Data” 按钮，进入该页面，下拉到第一条 “1.Create Dataset” 处，点击 “Roboflow” ,进入其官网。 值得注意的是，
euro-coin-dataset:Roboflow中用于Tensorflow中对象检测的欧元硬币数据集
03-29
欧元硬币数据集 该数据集包含每种欧元硬币类型的不同照片。 它们被标记为： 0.01欧元= 1 €0.02 = 2 0.05欧元= 5 €0.10 = 10 €0.20 = 20 €0.50 = 50 €1.00 = 100 €2.00 = 200 该数据集已用于使用训练CNN（对象检测），我建议将每个文件夹导入到的新数据集中。
RobotFlow-开源
04-27
RobotFlow是基于FlowDesigner的移动机器人技术。 FlowDesigner随附的可视化编程界面将帮助人们更好地可视化并了解机器人控制环，传感器和执行器中的实际情况。
深度学习（10）之Roboflow 使用详解：数据集标注、训练 及 下载
热门推荐
yohnyang的博客
06-23 4万+
Roboflow 使用详解：数据集标注、训练 及 下载
Roboflow标注数据集并转化为 YOLOv5 所需的格式(yolo格式)
年少的勇气已经用完，剩下的就是三思而后行
05-18 1488
首先进入roboflow：https://roboflow.com/ 登录 / 注册一个账号： 点击 Create New Project 填写信息：Project Name 和 What will your model predict?需要自己填写，自己想填什么都可以，不影响的，License和Project Type有默认选好的，这里我就是要处理Bounding Box的数据集，所以直接用默认的了，如果做其他任务的话就根据自己的需要更改。 然后点击 Select Folder 选择数据集所在的文
roboflow标注检测 / 分割数据集
蓝羽飞鸟的博客
10-25 1948
roboflow标注检测，分割数据集
数据集标注方法（1）Roboflow
leaningzjh的博客
02-26 885
开发者需要准备大量的训练数据，而构建自定义数据集是一个非常耗时的过程，往往收集图像、标记图像并以正确的格式导出它们可能就需要数十甚至数百个小时。为了解决这一问题，YOLOv8在官方教程中，为我们推荐了一款强大的开源工具——Roboflow。YoloV8官方推荐免费数据集网站Roboflow一键导出Voc、COCO、Yolo、Csv等格式。可进行团队标注（不开会员只能3人）可以一键进行多边形标注。
Roboflow目标检测数据集下载使用及处理
笑脸惹桃花的博客
01-19 5026
在进行目标检测任务时，数据集的质量和多样性直接影响到模型的表现。Roboflow是一个广泛使用的在线平台，它提供了丰富的标注工具和数据集管理功能，帮助用户快速构建和处理目标检测数据集。通过Roboflow，用户可以轻松获取并处理适用于各种计算机视觉任务的数据集，特别是目标检测任务中的图像和标签。本文将详细介绍如何从Roboflow平台下载目标检测数据集以及对于下载的数据集进行一些处理方便自己使用。
yolo-obb
最新发布
05-29
### YOLO-obb 的实现与应用 YOLO-obb 是一种基于 YOLO 系列的目标检测方法，专门用于旋转目标的检测任务。与传统的边界框（bounding box）检测不同，YOLO-obb 能够预测具有角度信息的旋转矩形框，从而更精确地描述非水平排列的目标。以下是关于 YOLO-obb 的实现和技术细节： #### 1. YOLO-obb 的核心概念 YOLO-obb 的核心思想是在传统 YOLO 框架的基础上扩展预测头，使其能够输出五个参数：x、y（中心点坐标）、w（宽度）、h（高度）和 θ（旋转角度）。这种方法允许模型适应任意方向的目标[^4]。 ```python # 示例代码：YOLO-obb 的预测头扩展 import torch.nn as nn class RotatedHead(nn.Module): def __init__(self, num_classes, in_channels): super(RotatedHead, self).__init__() self.num_classes = num_classes self.in_channels = in_channels # 输出层：5个参数（x, y, w, h, θ）+ 类别数 self.output_layer = nn.Conv2d(in_channels, (5 + num_classes) * 3, kernel_size=1) def forward(self, x): return self.output_layer(x) ``` #### 2. 数据预处理与标注格式 在使用 YOLO-obb 进行训练时，数据集需要包含旋转矩形框的标注信息。常见的标注格式为 [x, y, w, h, θ]，其中 θ 表示旋转角度。为了确保模型的鲁棒性，通常会对角度进行归一化处理[^5]。 ```python # 示例代码：旋转框数据预处理 def preprocess_rotated_boxes(boxes): """ 将旋转框标准化到 [-π/2, π/2] 范围内。 :param boxes: 输入的旋转框列表，格式为 [x, y, w, h, θ] :return: 标准化后的旋转框 """ for box in boxes: angle = box[4] if angle > np.pi / 2: angle -= np.pi elif angle < -np.pi / 2: angle += np.pi box[4] = angle return boxes ``` #### 3. 训练与优化 YOLO-obb 的训练过程与标准 YOLO 类似，但需要调整损失函数以适应旋转框的预测。常用的损失函数包括 GIoU Loss 和 DIoU Loss，它们能够更好地衡量旋转框之间的重叠程度[^6]。 ```python # 示例代码：自定义旋转框损失函数 import torch def rotated_iou_loss(pred_boxes, target_boxes): """ 计算旋转框的 IoU 损失。 :param pred_boxes: 预测的旋转框，形状为 [N, 5] :param target_boxes: 目标的旋转框，形状为 [N, 5] :return: 平均 IoU 损失 """ ious = [] for pred, target in zip(pred_boxes, target_boxes): # 使用旋转框交并比计算方法 iou = calculate_rotated_iou(pred, target) ious.append(iou) return 1 - torch.mean(torch.stack(ious)) ``` #### 4. 应用场景 YOLO-obb 在遥感图像分析、无人机监控和自动驾驶等领域中具有广泛的应用价值。例如，在遥感图像中，飞机、船舶等目标通常以非水平方向出现，YOLO-obb 能够更准确地捕捉这些目标的几何特征[^7]。 --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值