xview-yolov3

用YOLOv3快速训练卫星图像目标检测模型

xview-yolov3 是一个基于 YOLOv3 的遥感卫星图像目标检测项目,专为 xView 数据集和检测挑战赛设计。它解决了卫星图像中目标尺度小、背景复杂、类别不均衡等问题,提供从数据预处理、模型训练、验证到推理的完整流程。项目基于 PyTorch 和 Ultralytics 实现,支持自定义训练配置,能高效检测车辆、飞机、船只等各类遥感目标。其核心能力包括针对 xView 数据的预处理工具(如裁剪、标注转换)、YOLOv3 训练脚本、验证评估以及推理接口,帮助研究者和开发者快速在遥感场景中应用目标检测技术。

开源 free 计算机视觉
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 347
维护状态 较活跃
是否开源 是
定价模式 free

项目数据

分类计算机视觉
开发团队ultralytics
所属国家
定价模式free
价格说明开源项目,AGPL-3.0许可证,可免费使用和自行部署。
访问状态
是否开源是
开源协议AGPL-3.0
主要语言Python
技术栈/模型challenge,computer-vision,inference,model-training,object-detection,pytorch,remote-sensing,satellite-imagery,ultralytics,xview,yolov3
GitHub 星标★ 347
30天Star增速
HF 下载量
上线时间2018-06-12 00:00:00
最近更新2026-09-22 00:00:00
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-10
浏览次数6

使用教程

核心亮点

  • 完整覆盖xView数据预处理到推理全流程,开箱即用
  • 基于YOLOv3成熟架构,训练稳定且易调参
  • 适配遥感小目标场景,有针对性优化

不足之处

  • 项目较老,可能未适配最新版PyTorch或YOLO系列
  • 文档/社区待观察

适用场景

  • 卫星图像中的车辆、飞机等目标检测
  • xView挑战赛参赛或基线模型搭建
  • 遥感领域目标检测教学与实验

替代项目

ultralytics/yolov5、facebookresearch/detectron2、PaddlePaddle/PaddleDetection

项目介绍

xview-yolov3 是计算机视觉领域的开源项目,由 ultralytics 开发,2018 年首次发布。

它收录于计算机视觉分类,该分类目前共有 447 个项目,GitHub 星标数为 347。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-22。AGPL-3.0许可证,可免费使用和自行部署。

它主要面向的使用场景是:卫星图像中的车辆、飞机等目标检测。同类可对比的替代方案包括 ultralytics/yolov5、facebookresearch/detectron2、PaddlePaddle/PaddleDetection。

上一篇:yolov3

下一篇:notebooks

同类项目推荐

modlens 开源

给纯文本编码代理装上眼睛,粘贴图片即刻获得结构化视觉证据。

The first vision plugin for DeepSeek Harness, and the vision bridge for every text-o···

★ 4019 2026-08-19
opencv 开源

开箱即用的视觉算法库,搞定图像视频处理与识别

Open Source Computer Vision Library

★ 90930 2026-08-10
OpenCVTutorials 开源

中文 OpenCV 教程,从入门到实战,边看边跑代码

OpenCV-Python4.1 中文文档

★ 1430 2026-08-20
DEIMv2 开源

用DINOv3做实时检测,又快又准,直接落地。

[DEIMv2] Real Time Object Detection Meets DINOv3

★ 2046 2026-08-14