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：

1. 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

2. 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"},...]
   }
   

3. 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：

1. 坐标转换 ：将旋转框转化为外接水平矩形
2. 类别映射 ：匹配DOTA与COCO的类别体系
3. 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.txt

3.2 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

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。