簡介本資源為基于Python實(shí)現(xiàn)的遙感圖像物體目標(biāo)檢測完整項(xiàng)目包面向計(jì)算機(jī)、人工智能、通信工程等專業(yè)的在校學(xué)生與開發(fā)者可用于畢業(yè)設(shè)計(jì)、課程設(shè)計(jì)、大作業(yè)或項(xiàng)目立項(xiàng)演示。包內(nèi)共404個(gè)文件以350個(gè)Python源碼為核心輔以22個(gè)yaml配置、22個(gè)md說明文檔、2個(gè)ipynb實(shí)驗(yàn)筆記及csv、txt等輔助文件壓縮包約7.54MB結(jié)構(gòu)清晰便于按模塊查閱。項(xiàng)目基于FAIR1M2.0遙感數(shù)據(jù)集訓(xùn)練涵蓋環(huán)境安裝、數(shù)據(jù)集灰度化與目錄整理、模型訓(xùn)練與推理等完整流程并附有項(xiàng)目說明與配置文檔幫助讀者理解遙感目標(biāo)檢測的實(shí)現(xiàn)思路與關(guān)鍵環(huán)節(jié)。目前已有729人學(xué)習(xí)下載適合具備一定Python基礎(chǔ)、希望快速上手遙感檢測實(shí)戰(zhàn)或在此基礎(chǔ)上二次開發(fā)的學(xué)習(xí)者參考使用。1. 遙感圖像目標(biāo)檢測為什么總在“小目標(biāo)”上翻車拿到一份「基于python實(shí)現(xiàn)遙感圖像物體目標(biāo)檢測源碼模型項(xiàng)目說明.zip」多數(shù)人第一反應(yīng)是解壓、裝依賴、跑detect.py然后看著幾張航拍圖上的框發(fā)朋友圈。但真正把它用到自己的數(shù)據(jù)上十有八九會(huì)在小目標(biāo)上翻車飛機(jī)、車輛、船只這些在遙感圖里可能只占十幾個(gè)像素模型要么漏檢要么把一片屋頂認(rèn)成停車場。遙感圖像目標(biāo)檢測和自然圖像檢測最大的差別就在這里——尺度極端、方向任意、背景雜亂而且標(biāo)注成本高得離譜。這個(gè)方向能解決的問題很具體從衛(wèi)星或無人機(jī)影像里自動(dòng)找出并定位感興趣的目標(biāo)用于土地利用核查、船舶監(jiān)測、災(zāi)害評(píng)估、農(nóng)林統(tǒng)計(jì)。適合兩類人一是手里已經(jīng)有遙感數(shù)據(jù)集、想快速跑通 baseline 的算法工程師二是想拿它做課程設(shè)計(jì)或畢設(shè)、需要一份能改能跑源碼的學(xué)生。它不適合指望“開箱即用、精度 99%”的人遙感檢測的精度提升基本靠數(shù)據(jù)、尺度和后處理一點(diǎn)點(diǎn)摳出來。下面按“先立住原理、再動(dòng)手復(fù)現(xiàn)、最后避坑”的順序講清楚。2. 遙感目標(biāo)檢測的選型為什么是 YOLO 而不是兩階段2.1 遙感場景下 one-stage 與 two-stage 的真實(shí)差距遙感圖像有個(gè)特點(diǎn)單張圖幅面極大動(dòng)輒 4000×4000 以上但目標(biāo)極小。Faster R-CNN 這類兩階段檢測器精度穩(wěn)可推理速度慢在滑窗切片后圖塊數(shù)量爆炸的情況下整體耗時(shí)很難接受。YOLO 系列屬于 one-stage一次前向就出框配合切片推理能撐住大圖。常見做法是把大圖切成 512×512 或 640×640 的帶重疊切片逐塊檢測再合并這樣既控制了顯存也緩解了小目標(biāo)在縮放后消失的問題。選型時(shí)還要看標(biāo)注格式。遙感數(shù)據(jù)集常見 DOTA 格式標(biāo)注是任意四邊形旋轉(zhuǎn)框而 YOLO 默認(rèn)是水平框。如果你的目標(biāo)是艦船、飛機(jī)這類有明確朝向的物體水平框會(huì)引入大量背景建議用 YOLOv8-OBB 或帶旋轉(zhuǎn)框的版本如果只是統(tǒng)計(jì)數(shù)量、不關(guān)心朝向水平框夠用改造成本也低。我一般會(huì)先問一句你要的是“數(shù)出來”還是“框準(zhǔn)方向”這決定了后面一半的工作量。2.2 從零跑通的最小環(huán)境與依賴先確認(rèn) Python 版本遙感檢測常用的 torch、opencv、numpy 對(duì)版本敏感建議 Python 3.83.10。下面是一套能跑通的最小依賴安裝流程命令按順序執(zhí)行即可。# 創(chuàng)建獨(dú)立環(huán)境避免和系統(tǒng)包沖突 conda create -n rs_detect python3.10 -y conda activate rs_detect # 安裝 PyTorch按自己 CUDA 版本去官網(wǎng)選對(duì)應(yīng)命令這里以 CUDA 11.8 為例 pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 # 遙感檢測常用庫opencv 讀圖、numpy 數(shù)值、pyyaml 讀配置、tqdm 進(jìn)度條 pip install opencv-python numpy pyyaml tqdm matplotlib # 如果源碼基于 ultralytics直接裝它 pip install ultralytics邏輯說明conda建環(huán)境是為了隔離遙感項(xiàng)目經(jīng)常要裝gdal、rasterio這類地理庫和系統(tǒng) Python 混裝極易沖突。torch的 CUDA 版本必須和本機(jī)驅(qū)動(dòng)匹配裝錯(cuò)會(huì)報(bào)CUDA error: no kernel image is available。ultralytics是 YOLOv8 官方庫如果源碼是 YOLOv5 結(jié)構(gòu)則改用pip install -r requirements.txt。參數(shù)上--index-url指定 PyTorch 官方源國內(nèi)網(wǎng)絡(luò)慢可以換鏡像但要注意鏡像的 CUDA 版本是否齊全。2.3 數(shù)據(jù)準(zhǔn)備DOTA 轉(zhuǎn) YOLO 的目錄結(jié)構(gòu)源碼包通常自帶示例數(shù)據(jù)但你要用自己的數(shù)據(jù)就得先統(tǒng)一格式。YOLO 要求每張圖對(duì)應(yīng)一個(gè)同名.txt每行類別 x_center y_center w h全部歸一化到 01。目錄結(jié)構(gòu)建議如下dataset/ images/ train/ val/ labels/ train/ val/ data.yamldata.yaml內(nèi)容示例path: ./dataset train: images/train val: images/val nc: 5 names: [plane, ship, vehicle, storage-tank, bridge]邏輯說明path是數(shù)據(jù)集根目錄train/val是相對(duì)路徑nc是類別數(shù)names順序必須和標(biāo)注里的類別 id 一致錯(cuò)一位整個(gè)訓(xùn)練就廢了。遙感數(shù)據(jù)集類別名建議用英文短詞避免中文路徑在部分庫下讀取出錯(cuò)。如果你的原始標(biāo)注是 DOTA 的x1 y1 x2 y2 x3 y3 x4 y4需要寫腳本轉(zhuǎn)成水平框取四點(diǎn)的 min/max 得到外接矩形再歸一化。這一步的坑后面會(huì)專門講。3. 訓(xùn)練與推理把源碼跑起來并調(diào)出可用精度3.1 用切片推理解決大圖小目標(biāo)遙感大圖直接 resize 到 640 會(huì)把小目標(biāo)壓沒正確做法是滑窗切片。下面是一個(gè)帶重疊的切片函數(shù)訓(xùn)練和推理都能用。import cv2 import numpy as np def slice_image(img, slice_size640, overlap128): 把大圖切成帶重疊的小塊返回圖塊和左上角坐標(biāo) h, w img.shape[:2] stride slice_size - overlap patches [] coords [] for y in range(0, h, stride): for x in range(0, w, stride): # 邊界處理最后一塊貼邊避免出現(xiàn)極小殘片 x2 min(x slice_size, w) y2 min(y slice_size, h) x1 max(0, x2 - slice_size) y1 max(0, y2 - slice_size) patch img[y1:y2, x1:x2] # 不足 slice_size 的補(bǔ)零保證輸入尺寸一致 if patch.shape[0] slice_size or patch.shape[1] slice_size: patch cv2.copyMakeBorder( patch, 0, slice_size - patch.shape[0], 0, slice_size - patch.shape[1], cv2.BORDER_CONSTANT, value(114, 114, 114)) patches.append(patch) coords.append((x1, y1)) return patches, coords邏輯說明stride slice_size - overlap決定滑動(dòng)步長overlap越大越不容易在切片邊界漏掉目標(biāo)但圖塊數(shù)量成倍增加。overlap128是常用折中目標(biāo)尺寸小于 128 像素時(shí)基本不會(huì)被切斷。邊界用copyMakeBorder補(bǔ)灰邊114 是 YOLO 默認(rèn)填充值而不是直接丟棄否則邊緣目標(biāo)會(huì)丟。參數(shù)上slice_size要和訓(xùn)練時(shí)的imgsz一致訓(xùn)練用 640 推理也用 640否則尺度對(duì)不上。3.2 訓(xùn)練命令與關(guān)鍵超參假設(shè)源碼基于 ultralytics訓(xùn)練命令如下yolo detect train \ datadataset/data.yaml \ modelyolov8s.pt \ imgsz640 \ epochs100 \ batch16 \ lr00.01 \ patience20 \ device0 \ projectruns/rs \ nameexp1邏輯說明modelyolov8s.pt是預(yù)訓(xùn)練權(quán)重遙感數(shù)據(jù)量通常不大從預(yù)訓(xùn)練微調(diào)比從頭訓(xùn)收斂快得多。imgsz640要和切片尺寸一致。batch16看顯存顯存不夠就降到 8 或 4同時(shí)把lr0按比例調(diào)小否則梯度噪聲大。patience20是早停20 輪驗(yàn)證指標(biāo)不升就停省時(shí)間。device0指定第一塊 GPU多卡用device0,1。遙感數(shù)據(jù)有個(gè)反直覺的點(diǎn)數(shù)據(jù)增強(qiáng)不能照搬自然圖像。mosaic增強(qiáng)在遙感里容易把不同地物拼在一起產(chǎn)生不合理上下文建議把mosaic概率調(diào)低到 0.5 以下flipud上下翻轉(zhuǎn)在航拍圖里是合理的可以開。旋轉(zhuǎn)增強(qiáng)對(duì)任意朝向目標(biāo)有幫助但水平框標(biāo)注下旋轉(zhuǎn)后框會(huì)變大要謹(jǐn)慎。3.3 推理與結(jié)果合并切片推理后要把各圖塊的框映射回原圖坐標(biāo)再用 NMS 去重。from ultralytics import YOLO model YOLO(runs/rs/exp1/weights/best.pt) patches, coords slice_image(img, 640, 128) all_boxes [] for patch, (ox, oy) in zip(patches, coords): results model.predict(patch, conf0.25, iou0.5, verboseFalse) for box in results[0].boxes: x1, y1, x2, y2 box.xyxy[0].tolist() # 映射回原圖坐標(biāo) all_boxes.append([x1 ox, y1 oy, x2 ox, y2 oy, box.conf[0].item(), box.cls[0].item()]) # 跨切片 NMS去掉重疊框邏輯說明conf0.25是置信度閾值遙感小目標(biāo)建議先設(shè)低一點(diǎn)0.20.25再靠 NMS 過濾設(shè)太高會(huì)漏檢。iou0.5是 NMS 的 IoU 閾值。映射時(shí)x1ox把圖塊坐標(biāo)還原到原圖?？缜衅?NMS 必須做否則重疊區(qū)域的目標(biāo)會(huì)被重復(fù)框好幾次。這一步是很多源碼包沒寫全的地方跑出來框重疊嚴(yán)重多半就是漏了全局 NMS。4. 避坑與排查遙感檢測最常見的 5 個(gè)翻車現(xiàn)場4.1 現(xiàn)象訓(xùn)練 loss 正常下降但驗(yàn)證 mAP 一直是 0原因標(biāo)注類別 id 和data.yaml的names順序?qū)Σ簧匣蛘邩?biāo)注坐標(biāo)沒歸一化。遙感數(shù)據(jù)集轉(zhuǎn)換時(shí)最容易出這個(gè)問題DOTA 原始坐標(biāo)是像素值忘了除以寬高YOLO 讀進(jìn)去全是越界框直接忽略。解決寫個(gè)校驗(yàn)?zāi)_本遍歷所有 label 文件檢查每行 5 個(gè)值、后 4 個(gè)都在 01 之間、類別 id 小于nc。發(fā)現(xiàn)越界就回查轉(zhuǎn)換腳本確認(rèn)除以的是對(duì)應(yīng)圖像的寬高而不是固定值。4.2 現(xiàn)象小目標(biāo)幾乎全漏大目標(biāo)正常原因訓(xùn)練時(shí)imgsz設(shè)太大比如 1280小目標(biāo)在縮放后只剩幾個(gè)像素或者切片時(shí)overlap太小目標(biāo)被切在邊界上。解決訓(xùn)練和推理統(tǒng)一用 640配合切片。把overlap提到 128 甚至 192代價(jià)是推理變慢。另外可以在data.yaml里開rect訓(xùn)練減少填充但對(duì)小目標(biāo)幫助有限核心還是切片尺度。4.3 現(xiàn)象推理結(jié)果框大量重疊同一個(gè)目標(biāo)框了七八次原因切片推理后沒做跨切片 NMS每個(gè)圖塊各自輸出重疊區(qū)域重復(fù)計(jì)數(shù)。解決把所有圖塊的框收集起來用torchvision.ops.nms或cv2.dnn.NMSBoxes做一次全局 NMS。注意 NMS 的 IoU 閾值別設(shè)太低遙感目標(biāo)密集時(shí) 0.5 比較穩(wěn)設(shè) 0.3 會(huì)把相鄰的真實(shí)目標(biāo)誤刪。4.4 現(xiàn)象換了自采數(shù)據(jù)后精度斷崖式下跌原因域偏移。源碼自帶的模型是在 DOTA 或 NWPU VHR-10 上訓(xùn)的你的數(shù)據(jù)可能是不同傳感器、不同分辨率、不同季節(jié)顏色和紋理分布差異大。解決別指望直接推理至少拿幾百張自己的圖做微調(diào)。微調(diào)時(shí)把lr0降到 0.001凍結(jié) backbone 前幾層只訓(xùn)檢測頭收斂快且不容易過擬合。數(shù)據(jù)量太少就做離線增強(qiáng)把圖塊旋轉(zhuǎn)、翻轉(zhuǎn)、加噪聲擴(kuò)充幾倍。4.5 現(xiàn)象訓(xùn)練報(bào)顯存不足batch 降到 1 還 OOM原因遙感圖切片后單塊雖然 640但數(shù)據(jù)加載時(shí)workers開太多每個(gè) worker 都緩存圖像或者cacheTrue把整個(gè)數(shù)據(jù)集讀進(jìn)內(nèi)存。解決把workers降到 4 以下關(guān)掉cache用rect減少填充浪費(fèi)。如果還不行檢查是不是誤把原圖直接喂進(jìn)去了原圖 4000×4000 不切片必然爆顯存。5. 把精度再摳一檔旋轉(zhuǎn)框與后處理的兩個(gè)實(shí)用技巧水平框跑通之后如果目標(biāo)是艦船、飛機(jī)這類有明確長寬比的物體換旋轉(zhuǎn)框OBB通常能漲 510 個(gè)點(diǎn) mAP。ultralytics 支持yolo detect train換成yolo obb train數(shù)據(jù)標(biāo)注從水平框改成x1 y1 x2 y2 x3 y3 x4 y4的八點(diǎn)格式。轉(zhuǎn)換時(shí)注意點(diǎn)的順序要一致否則框會(huì)扭曲。旋轉(zhuǎn)框的 NMS 用的是旋轉(zhuǎn) IoUcv2.dnn.NMSBoxes不支持得用torchvision的nms_rotated或自己實(shí)現(xiàn)。另一個(gè)技巧是測試時(shí)增強(qiáng)TTA。遙感目標(biāo)方向任意把圖塊旋轉(zhuǎn) 90°、180°、270° 各推理一次再把框映射回原方向合并能穩(wěn)定漲 13 個(gè)點(diǎn)。代價(jià)是推理時(shí)間翻四倍適合離線批處理、不追求實(shí)時(shí)的場景。我一般會(huì)在最終交付前跑一次 TTA對(duì)比一下提升幅度如果不到 1 個(gè)點(diǎn)就不值得上。還有個(gè)容易被忽略的點(diǎn)置信度閾值不要一刀切。不同類別的最優(yōu)閾值不一樣船和飛機(jī)通?？梢栽O(shè) 0.3車輛密集且小設(shè) 0.2 更合適?？梢栽隍?yàn)證集上按類別畫 P-R 曲線挑 F1 最高的點(diǎn)作為該類的閾值寫進(jìn)后處理配置里。這套流程走下來一個(gè)能用的遙感檢測 baseline 基本就立住了。血淚經(jīng)驗(yàn)是別在模型結(jié)構(gòu)上反復(fù)折騰遙感檢測的收益八成來自數(shù)據(jù)質(zhì)量和切片策略剩下兩成才是模型和調(diào)參。希望幫到你。本文還有配套的精品資源點(diǎn)擊獲取