基于 YOLO 的航拍船舶目标检测数据集与训练教程

Annotations 目录下的xml 文件内容如下：

<annotation> <folder></folder> <filename>ship_000241_png.rf.4fa51d82348e044a312bc4e5a21f0781.jpg</filename> <path>ship_000241_png.rf.4fa51d82348e044a312bc4e5a21f0781.jpg</path> <source> <database>ship</database> </source> <size> <width>640</width> <height>640</height> <depth>3</depth> </size> <segmented>0</segmented> <object> <name>0</name> <pose>Unspecified</pose> <truncated>0</truncated> <difficult>0</difficult> <occluded>0</occluded> <bndbox> <xmin>1</xmin> <xmax>249</xmax> <ymin>1</ymin> <ymax>233</ymax> </bndbox> </object> <metadata> </metadata> </annotation>

labels 目录下的txt 文件内容如下：

0 0.09375 0.49375 0.1875 0.875

3、数据集适用范围

• 目标检测场景，无人机航拍检测
• yolo 训练模型或其他模型
• 河道、海洋、港湾等水域船只航拍检测
• 可用于智慧海洋管理、智慧捕捞等，服务于海洋监测、渔业管理、海上救援等

4、数据集标注结果

4.1、数据集内容

1. 多角度场景：包含无人机航拍视角；
2. 标注内容：names: ['0']，总计 1个分类；
3. 图片总量：2096 张图片数据；
4. 标注类型：含有Pascal VOC XML格式和yolo TXT格式；

5、训练过程

5.1、导入训练数据

下载 YOLOv8 项目压缩包，解压在任意本地 workspace 文件夹中。

下载 YOLOv8 预训练模型，导入到ultralytics-main项目根目录下。

在ultralytics-main项目根目录下，创建 data 文件夹，并在 data 文件夹下创建子文件夹：Annotations、images、imageSets、labels，其中，将pascal VOC 格式的 XML 文件手动导入到 Annotations 文件夹中，将JPG格式的图像数据导入到 images 文件夹中，imageSets 和 labels 两个文件夹不导入数据。

data 目录结构如下：

data/

——Annotations/ //存放 xml 文件

——images/ //存放 jpg 图像

——imageSets/

——labels/

整体项目结构如下所示：

5.2、数据分割

首先在 ultralytics-main 目录下创建一个 split_train_val.py 文件，运行文件之后会在 imageSets 文件夹下将数据集划分为训练集 train.txt、验证集 val.txt、测试集 test.txt，里面存放的就是用于训练、验证、测试的图片名称。

import os
import random

trainval_percent = 0.9
train_percent = 0.9
xmlfilepath = 'data/Annotations'
txtsavepath = 'data/ImageSets'
total_xml = os.listdir(xmlfilepath)
num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)
ftrainval = open('data/ImageSets/trainval.txt', 'w')
ftest = open('data/ImageSets/test.txt', 'w')
ftrain = open('data/ImageSets/train.txt', 'w')
fval = open('data/ImageSets/val.txt', 'w')
for i in list:
    name = total_xml[i][:-4] + '\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)
ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

5.3、数据集格式化处理

在 ultralytics-main 目录下创建一个 voc_label.py 文件，用于处理图像标注数据，将其从 XML 格式（通常用于 Pascal VOC 数据集）转换为 YOLO 格式。

convert_annotation 函数

• 这个函数读取一个图像的 XML 标注文件，将其转换为 YOLO 格式的文本文件。
• 它打开 XML 文件，解析树结构，提取图像的宽度和高度。
• 然后，它遍历每个目标对象（object），检查其类别是否在 classes 列表中，并忽略标注为困难（difficult）的对象。
• 对于每个有效的对象，它提取边界框坐标，进行必要的越界修正，然后调用 convert 函数将坐标转换为 YOLO 格式。
• 最后，它将类别 ID 和归一化后的边界框坐标写入一个新的文本文件。

import xml.etree.ElementTree as ET
import os
from os import getcwd

sets = ['train', 'val', 'test']
classes = ['0'] # 根据标签名称填写类别
abs_path = os.getcwd()
print(abs_path)

def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return x, y, w, h

def convert_annotation(image_id):
    in_file = open('data/Annotations/%s.xml' % (image_id), encoding='UTF-8')
    out_file = open('data/labels/%s.txt' % (image_id), 'w')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)
    for obj in root.iter('object'):
        difficult = obj.find('difficult').text
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text), float(xmlbox.find('ymax').text))
        b1, b2, b3, b4 = b
        # 标注越界修正
        if b2 > w: b2 = w
        if b4 > h: b4 = h
        b = (b1, b2, b3, b4)
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')
    wd = getcwd()
    for image_set in sets:
        if not os.path.exists('data/labels/'):
            os.makedirs('data/labels/')
        image_ids = open('data/ImageSets/%s.txt' % (image_set)).read().strip().split()
        list_file = open('data/%s.txt' % (image_set), 'w')
        for image_id in image_ids:
            list_file.write(abs_path + '/data/images/%s.jpg\n' % (image_id))
        convert_annotation(image_id)
        list_file.close()

5.4、修改数据集配置文件

在 ultralytics-main 目录下创建一个 data.yaml 文件

train: data/train.txt
val: data/val.txt
test: data/test.txt
nc: 1
names: ['0']

5.5、执行命令

执行 train.py

model = YOLO('yolov8s.pt')
results = model.train(data='data.yaml', epochs=200, imgsz=640, batch=16, workers=0)

也可以在终端执行下述命令：

yolo train data=data.yaml model=yolov8s.pt epochs=200 imgsz=640 batch=16 workers=0 device=0

5.6、模型预测

你可以选择新建 predict.py 预测脚本文件，输入视频流或者图像进行预测。

代码如下：

import cv2
from ultralytics import YOLO

# Load the YOLOv8 model
model = YOLO("./best.pt") # 自定义预测模型加载路径

# Open the video file
video_path = "./demo.mp4" # 自定义预测视频路径
cap = cv2.VideoCapture(video_path)

# Get the video properties
frame_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
frame_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
fps = cap.get(cv2.CAP_PROP_FPS)

# Define the codec and create VideoWriter object
fourcc = cv2.VideoWriter_fourcc(*'mp4v') # Be sure to use lower case
out = cv2.VideoWriter('./outputs.mp4', fourcc, fps, (frame_width, frame_height)) # 自定义输出视频路径

# Loop through the video frames
while cap.isOpened():
    # Read a frame from the video
    success, frame = cap.read()
    if success:
        # Run YOLOv8 inference on the frame
        results = model.predict(source=frame, save=True, imgsz=640, conf=0.5)
        results[0].names[0] = "ship" # Visualize the results on the frame annotated_frame = results[0].plot()
        # Write the annotated frame to the output file
        out.write(annotated_frame)
        # Display the annotated frame (optional)
        cv2.imshow("YOLOv8 Inference", annotated_frame)
        # Break the loop if 'q' is pressed
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
    else:
        # Break the loop if the end of the video is reached
        break

# Release the video capture and writer objects
cap.release()
out.release()
cv2.destroyAllWindows()

也可以直接在命令行窗口或者 Anaconda 终端输入以下命令进行模型预测：

yolo predict model="best.pt" source='demo.jpg'

6、基于 QT 的目标检测可视化界面

1、环境配置

# 安装 torch 环境
pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安装 PySide6 依赖项
pip install PySide6 -i https://pypi.tuna.tsinghua.edu.cn/simple
# 安装 opencv-python 依赖项
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple

2、使用说明

界面功能介绍：

• 原视频/图片区：上半部分左边区域为原视频/图片展示区；
• 检测区：上半部分右边区域为检测结果输出展示区；
• 文本框：打印输出操作日志，其中告警以 json 格式输出，包含标签框的坐标，标签名称等；
• 加载模型：下拉框绑定本地文件路径，按钮加载路径下的模型文件；
• 置信度阈值：自定义检测区的置信度阈值，可以通过滑动条的方式设置；
• 文件上传：选择目标文件，包含JPG 格式和 MP4 格式；
• 开始检测：执行检测程序；
• 停止：终止检测程序；

3、预测效果展示

3.1、图片检测

切换置信度再次执行：

上图左下区域可以看到json 格式的告警信息，用于反馈实际作业中的管理系统，为管理员提供决策支持。

3.2、视频检测

3.3、日志文本框

4、前端代码

class MyWindow(QtWidgets.QMainWindow):
    def __init__(self):
        super().__init__()
        self.init_gui()
        self.model = None
        self.timer = QtCore.QTimer()
        self.timer1 = QtCore.QTimer()
        self.cap = None
        self.video = None
        self.file_path = None
        self.base_name = None
        self.timer1.timeout.connect(self.video_show)

    def init_gui(self):
        self.folder_path = "model_file" # 自定义修改：设置文件夹路径
        self.setFixedSize(1300, 650)
        self.setWindowTitle('目标检测') # 自定义修改：设置窗口名称
        self.setWindowIcon(QIcon("111.jpg")) # 自定义修改：设置窗口图标
        central_widget = QtWidgets.QWidget(self)
        self.setCentralWidget(central_widget)
        main_layout = QtWidgets.QVBoxLayout(central_widget)
        # 界面上半部分：视频框
        topLayout = QtWidgets.QHBoxLayout()
        self.oriVideoLabel = QtWidgets.QLabel(self)
        # 界面下半部分：输出框 和 按钮
        groupBox = QtWidgets.QGroupBox(self)
        groupBox.setStyleSheet('QGroupBox {border: 0px solid #D7E2F9;}')
        bottomLayout = QtWidgets.QHBoxLayout(groupBox)
        main_layout.addWidget(groupBox)
        btnLayout = QtWidgets.QHBoxLayout()
        btn1Layout = QtWidgets.QVBoxLayout()
        btn2Layout = QtWidgets.QVBoxLayout()
        btn3Layout = QtWidgets.QVBoxLayout()
        # 创建日志打印文本框
        self.outputField = QtWidgets.QTextBrowser()
        self.outputField.setFixedSize(530, 180)
        self.outputField.setStyleSheet('font-size: 13px; font-family: "Microsoft YaHei"; background-color: #f0f0f0; border: 2px solid #ccc; border-radius: 10px;')
        self.detectlabel = QtWidgets.QLabel(self)
        self.oriVideoLabel.setFixedSize(530, 400)
        self.detectlabel.setFixedSize(530, 400)
        self.oriVideoLabel.setStyleSheet('border: 2px solid #ccc; border-radius: 10px; margin-top:75px;')
        self.detectlabel.setStyleSheet('border: 2px solid #ccc; border-radius: 10px; margin-top:75px;')
        topLayout.addWidget(self.oriVideoLabel)
        topLayout.addWidget(self.detectlabel)
        main_layout.addLayout(topLayout)