load_hrsc loads all objects as ship, arguments classes is no use

def load_hrsc(img_dir, ann_dir, classes=None, img_keys=dict(), obj_keys=dict(), nproc=10):
    if classes is not None:
        print('load_hrsc loads all objects as ship, arguments classes is no use')

加载hrsc数据集，所有的图片的类名都是 ”ship“，这个怎么弄啊？

[wang11wei]

请问如果我需要检测并验证其它的类别，不仅仅是ship类，我应该怎么更改参数呢？我尝试更改BboxToolkit/BboxToolkit/datasets/misc.py中的dataset_classes类别，将’HRSC’: (‘ship’, ),更改为’HRSC’: (‘submarine’,‘merchant ship’,‘ship’, )，但是好像并没起作用。请问其它还有地方需要更改吗？比如类别数目等？

还有 hrscio.py 里面加载标签的部分需要修改： 根据需要加载你自己的标签，我是直接加载它自带的分类的

def _load_hrsc_xml(xmlfile, img_keys=dict(), obj_keys=dict()):
    hbboxes, bboxes, diffs, class_id = list(), list(), list(), list()
    content = {k: None for k in img_keys}
    ann = {k: [] for k in obj_keys}
    if xmlfile is None:
        pass
    elif not osp.isfile(xmlfile):
        print(f"Can't find {xmlfile}, treated as empty xmlfile")
    else:
        tree = ET.parse(xmlfile)
        root = tree.getroot()

        content['width'] = int(root.find('Img_SizeWidth').text)
        content['height'] = int(root.find('Img_SizeHeight').text)
        for k, xml_k in img_keys.items():
            node = root.find(xml_k)
            value = None if node is None else node.text
            content[k] = value

        objects = root.find('HRSC_Objects')
        for obj in objects.findall('HRSC_Object'):
            hbboxes.append([
                float(obj.find('box_xmin').text),
                float(obj.find('box_ymin').text),
                float(obj.find('box_xmax').text),
                float(obj.find('box_ymax').text)
            ])
            bboxes.append([
                float(obj.find('mbox_cx').text),
                float(obj.find('mbox_cy').text),
                float(obj.find('mbox_w').text),
                float(obj.find('mbox_h').text),
                -float(obj.find('mbox_ang').text)
            ])
            diffs.append(int(obj.find('difficult').text))
            class_id.append(int(obj.find('Class_ID').text[2:])-1)

            for k, xml_k in obj_keys.items():
                node = obj.find(xml_k)
                value = None if node is None else node.text
                ann[k].append(value)

    hbboxes = np.array(hbboxes, dtype=np.float32) if hbboxes \
        else np.zeros((0, 4), dtype=np.float32)
    bboxes = np.array(bboxes, dtype=np.float32) if bboxes \
        else np.zeros((0, 5), dtype=np.float32)
    diffs = np.array(diffs, dtype=np.int64) if diffs \
        else np.zeros((0,), dtype=np.int64)
    labels = np.array(class_id, dtype=np.int64) if class_id \
        else np.zeros((0,), dtype=np.int64)
    # labels = np.zeros((bboxes.shape[0],), dtype=np.int64)

    ann['hbboxes'] = hbboxes
    ann['bboxes'] = bboxes
    ann['diffs'] = diffs
    ann['labels'] = labels
    content['ann'] = ann
    return content

[Superfly12138]

从上边的测试结果看出，由于测试的数据并没包含全部类。我针对性的选取了gt数较多的7个类，使用oriented-rcnn算法训练36个epoch,效果看起来还不错。