重要说明：数据集图片要低于实际官方图片属于正常现象，因为官方数据集里面标注存在部分错误，我这边已经通过代码去掉错误标注，比如坐标位置超过图片实际宽高，坐标左上角和右下角坐标不符合实际等情况。此外dota数据集目标都是小目标，因此如果训练后map非常低属于正常现象，因为小目标很难训练而且很难检测，这个是业界公认难点。
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)
图片数量(jpg文件个数)：1713
标注数量(xml文件个数)：1713
标注数量(txt文件个数)：1713
标注类别数：16
标注类别名称:[“baseball-diamond”,“basketball-court”,“bridge”,“container-crane”,“ground-track-field”,“harbor”,“helicopter”,“large-vehicle”,“plane”,“roundabout”,“ship”,“small-vehicle”,“soccer-ball-field”,“storage-tank”,“swimming-pool”,“tennis-court”]
每个类别标注的框数：
序号 | 类别名称 | 框数 |
1 | baseball-diamond | 596 |
2 | basketball-court | 643 |
3 | bridge | 2468 |
4 | container-crane | 133 |
5 | ground-track-field | 455 |
6 | harbor | 6970 |
7 | helicopter | 712 |
8 | large-vehicle | 26032 |
9 | plane | 9937 |
10 | roundabout | 600 |
11 | ship | 29433 |
12 | small-vehicle | 160265 |
13 | soccer-ball-field | 457 |
14 | storage-tank | 7452 |
15 | swimming-pool | 2601 |
16 | tennis-court | 2925 |
总计 | 16 | 251679 |
使用标注工具：labelImg
标注规则：对类别进行画矩形框
特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注