ultralytics/xview-yolov3

解决的问题

本项目提供了一种针对 xView 数据集的专用实现，用于在高分辨率卫星影像上训练 YOLOv3 对象检测模型。它解决了在遥感数据中检测多种对象的困难，支持 xView 挑战赛的参赛者。

工作原理

该系统使用 YOLOv3 架构，并实现了一套专为卫星影像设计的处理流程：

• 预处理： 使用 sigma 排除法清理数据，去除异常值，并生成 30 个针对卫星图像中特定对象尺寸和宽高比定制的 k-means 锚点。
• 训练： 在从全分辨率图像中随机采样的 800x800 像素图像块上训练模型。支持从上次保存的检查点恢复训练。
• 增强： 为防止过拟合并提高模型鲁棒性，在训练过程中应用多种图像变换，包括平移、旋转、剪切、缩放、反射和 HSV 颜色调整。
• 推理： 提供专用检测脚本，允许用户将训练好的权重应用于新的卫星图像，以识别并定位对象的边界框。

适用人群

本工具专为计算机视觉研究人员、遥感专家以及 xView 挑战赛参与者设计，旨在帮助他们在卫星数据上训练高性能的对象检测模型。

主要亮点

• 自定义锚点生成： 使用 k-means 优化卫星影像中的边界框预测。
• 鲁棒的增强： 实现全面的图像变换套件，提升模型泛化能力。
• 卫星专用流程： 针对大规模、高分辨率遥感数据集进行优化。
• 检查点支持： 可无缝恢复中断的训练会话。