The YNU-RMOD 数据集
百度网盘的下载链接：https://pan.baidu.com/s/1PIwo_XcOmsrCQqq3X-dTHA
提取码：nqr0
官方于2019年开源了DJI ROCO目标检测数据集。战队使用中发现，该数据集具有以下缺陷：
1、数据集均为赛场高清摄像机拍摄，与机器人视角的工业相机拍摄差异较大；
2、模糊图片很多，带来了大量噪声，致使训练中模型无法较好收敛；
3、图片拍摄视角均为俯拍和第三视角；
4、小目标很多。
另外在实验室实际测试中，光线和场景变化都很大。仅使用官方提供的数据训练的模型鲁棒性很差，无法适应实际环境，且较多的小目标极易造成误检，模型检测精度较低。
因此，战队使用官网图片和比赛视频，以及在正式比赛场地和实验室中录制的图片进一步完善补充了DJI ROCO数据集，制作了YNU-RoboMaster Object Detection(RMOD) Dataset.
YNU-RMOD对官方开源数据集(DJI ROCO)进行了处理，由于开源数据集的图片非常大，不适合直接在jetson tx2、jetson nano等移动计算平台上进行Deep Learning，我们将所有图片裁剪成416*416大小(YOLO的默认图片输入尺寸)，并且滤除了DJI ROCO中Bounding Box面积小于250像素以及拍摄模糊的噪声图片（约10000张）。最终得到57111张有效图片（其中，DJI ROCO图片25795张，另加入图片31316张）。数据集细节如下：
YNU-RMOD数据集的来源
| Label | The source of dateset | Name | The number of images |
|---|---|---|---|
| 1 | YNU-RMOD | RoboMaster比赛视频收集的图片 | 13521 |
| 2 | YNU-RMOD | RoboMaster赛场实拍图片 | 3447 |
| 3 | YNU-RMOD | RoboMaster网站收集的图片 | 6240 |
| 4 | YNU-RMOD | 实验室自制比赛场地拍摄的图片 | 8108 |
| 5 | DJI ROCO | DJI ROCO | 25795 |
YNU-RMOD数据集所有标签的统计（包含 DJI ROCO）
| Label | Name | Total instances |
|---|---|---|
| 1 | car_red | 36744 |
| 2 | car_blue | 38905 |
| 3 | car_unknow | 11385 |
| 4 | watcher_red | 1390 |
| 5 | watcher_blue | 2484 |
| 6 | watcher_unknow | 2528 |
| 7 | armor_red | 142221 |
| 8 | armor_blue | 161333 |
| 9 | armor_grey | 22146 |
The YNU-RMOD 数据集的标注图如下所示:
 |
我们研究使用深度学习的办法检测机器人和装甲板，还自制了带旋转矩形框的标注软件。
使用指导:
1.点击Open或Open Dir(如需大量标记图片建议批量放在Picture_Data文件夹中 点击Open Dir)。
2.1可选择菜单栏Edit选择标注Rectangles(正矩形)，Polygons(斜矩形)，Points(点)
2.2点完第一个点松开鼠标滑动至令一标注边缘点击鼠标即可完成标注。
2.3标注顺序：永远先点击左上角为1，然后点击右上角为2，最后点击右下角为3（如上所示），程序会自动拟合出与之匹配的斜矩形。
3点击或者(Ctrl+S)c保存即可保存json标注文件。
具体操作可见Label_V2文件夹下的README.md。
 |