1. RSOD数据集初探遥感目标检测的黄金样本库第一次接触遥感图像目标检测时我和大多数初学者一样面对五花八门的数据集不知从何下手。直到遇见RSOD这个小而美的经典数据集才真正打开了正确的研究方式。这个包含936张航空影像的数据集虽然规模不算庞大但标注质量堪称教科书级别——每张图片都配有VOC和YOLO两种格式的标注文件就像同时获得了XML和TXT双版本说明书。数据集中的四类目标特别有意思飞机aircraft、油罐oiltank、立交桥overpass和操场playground。这些目标在航拍视角下呈现出与日常视角完全不同的特征。比如油罐从高空看就像排列整齐的硬币而立交桥则变成交织的白色线条。实测发现446张飞机图像包含5374个标注框意味着平均每张图片有12架飞机这种目标密集特性对检测算法是绝佳的考验。用Python快速查看数据集分布时我习惯用这个脚本import os from collections import defaultdict ann_dir RSOD/Annotations class_count defaultdict(int) for xml_file in os.listdir(ann_dir): with open(os.path.join(ann_dir, xml_file)) as f: content f.read() for cls in [aircraft, oiltank, overpass, playground]: if fname{cls}/name in content: class_count[cls] 1 print(各类别出现次数:, dict(class_count))2. 数据准备从原始文件到训练就绪格式拿到原始数据集后新手最容易踩的坑就是直接扔给模型训练。我早期项目失败十有八九是因为数据预处理不到位。RSOD虽然贴心地提供了双格式标注但实际使用时还需要完成三项关键操作首先是数据清洗。航空影像常存在曝光过度的问题特别是操场类目标在强光下几乎与背景融为一体。我的经验是先用OpenCV做直方图均衡化import cv2 img cv2.imread(playground_001.jpg) img_yuv cv2.cvtColor(img, cv2.COLOR_BGR2YUV) img_yuv[:,:,0] cv2.equalizeHist(img_yuv[:,:,0]) output cv2.cvtColor(img_yuv, cv2.COLOR_YUV2BGR)其次是格式统一。虽然YOLOv5可以直接读取VOC格式但转换为YOLO专用格式能提升20%以上的加载速度。这个转换过程中要特别注意坐标归一化def voc_to_yolo(box, img_w, img_h): x_center (box[0] box[2])/2 / img_w y_center (box[1] box[3])/2 / img_h width (box[2] - box[0]) / img_w height (box[3] - box[1]) / img_h return [x_center, y_center, width, height]最后是数据增强策略。针对遥感图像特点我推荐重点使用以下增强组合随机旋转0-360度全向旋转色彩抖动模拟不同天气条件小目标复制粘贴解决飞机等小目标检测问题3. YOLOv5模型训练从配置文件到实战调参在Colab上跑通第一个YOLOv5模型时那种兴奋感至今难忘。但随后就遇到了所有目标检测工程师的噩梦——模型收敛但mAP值死活上不去。经过多次试错我总结出RSOD数据集的最佳训练方案模型选型方面YOLOv5s和YOLOv5m是性价比最高的选择。下表是两者的对比测试结果模型类型参数量mAP0.5推理速度(FPS)YOLOv5s7.2M0.6845YOLOv5m21.2M0.7328关键配置修改点集中在三个文件data/rsod.yaml- 数据集配置文件train: ../RSOD/train/images val: ../RSOD/val/images nc: 4 names: [aircraft, oiltank, overpass, playground]models/yolov5s.yaml- 模型结构调整anchors: - [5,6, 8,14, 15,11] # 针对小目标调整anchor尺寸 - [10,13, 16,30, 33,23] - [30,61, 62,45, 59,119]train.py- 关键训练参数python train.py --img 1024 --batch 8 --epochs 100 --data rsod.yaml --cfg yolov5s.yaml --weights --name rsod_exp学习率策略是另一个需要特别注意的点。由于遥感图像背景复杂建议采用余弦退火配合热身lr0: 0.01 # 初始学习率 lrf: 0.1 # 最终学习率系数 warmup_epochs: 3 warmup_momentum: 0.84. 模型评估与优化突破性能瓶颈的实战技巧当基础模型跑通后真正的挑战才刚刚开始。记得第一次评估时模型把许多小型建筑物误识别为油罐这促使我深入分析混淆矩阵。通过可视化工具发现主要问题出在特征相似度高的目标上from sklearn.metrics import confusion_matrix import seaborn as sns y_true [...] # 真实标签 y_pred [...] # 预测标签 cm confusion_matrix(y_true, y_pred) sns.heatmap(cm, annotTrue, fmtd)提升精度的三大法宝注意力机制在Backbone末端添加CBAM模块class CBAM(nn.Module): def __init__(self, channels): super().__init__() self.channel_attention nn.Sequential( nn.AdaptiveAvgPool2d(1), nn.Conv2d(channels, channels//8, 1), nn.ReLU(), nn.Conv2d(channels//8, channels, 1), nn.Sigmoid() )多尺度训练采用随机尺寸训练策略python train.py --img-size 640 1024 --rectTest-Time Augmentation推理时启用增强python detect.py --source test_images/ --augment量化部署是最后的关键一步。使用TensorRT加速后YOLOv5s在Jetson Nano上的推理速度从15FPS提升到38FPSimport torch from torch2trt import torch2trt model torch.load(yolov5s.pt).eval() x torch.ones((1,3,640,640)).cuda() model_trt torch2trt(model, [x])在模型部署阶段我习惯先用Grad-CAM可视化特征响应图这能直观显示模型关注的重点区域。对于遥感图像健康的热力图应该集中在目标主体而非背景上。如果发现异常可能需要回炉调整数据增强策略。