MMYOLO 旋转目标检测技术详解与实践指南-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00407/article/details/148602109

MMYOLO 旋转目标检测技术详解与实践指南

mmyolo OpenMMLab YOLO series toolbox and benchmark. Implemented RTMDet, RTMDet-Rotated,YOLOv5, YOLOv6, YOLOv7, YOLOv8,YOLOX, PPYOLOE, etc. 项目地址: https://gitcode.com/gh_mirrors/mm/mmyolo

一、旋转目标检测概述

旋转目标检测（Rotated Object Detection）是计算机视觉领域的一项重要技术，它不仅能检测出目标的位置，还能识别目标的方向信息。与传统的水平框检测相比，旋转目标检测通过增加角度参数，能够更精确地表示物体的实际朝向和位置。

1.1 技术特点

旋转目标检测具有以下显著特点：

采用旋转矩形、四边形等更灵活的表示形式
增加了回归自由度数量
能够更精确地描述物体的实际朝向

1.2 应用场景

这项技术在多个领域都有广泛应用：

遥感影像：精确检测建筑物、农田等有方向性的目标
自动驾驶：识别道路上的车辆和行人方向
医学图像：分析器官或病变的朝向
工业检测：定位生产线上的产品方向
场景文字识别：检测任意方向的文本区域

二、MMYOLO 旋转检测实现

MMYOLO 框架基于 RTMDet-R 模型实现了旋转目标检测功能，其核心设计理念是保持与水平检测模型的高度一致性，同时增加对角度信息的处理能力。

2.1 数据集准备

2.1.1 DOTA 数据集处理

DOTA 是旋转目标检测领域最常用的基准数据集，由于其图像分辨率较大，通常需要进行切片处理：

data/
├── split_ss_dota/    # 单尺度切片
│   ├── trainval/
│   │   ├── images/   # 图像文件
│   │   └── annfiles/ # 标注文件
│   └── test/
└── split_ms_dota/    # 多尺度切片

2.1.2 自定义数据集格式

MMYOLO 支持两种标注格式：

DOTA 格式：传统的四边形标注格式
COCO 格式扩展：将多边形信息存储在 segmentation 字段中

COCO 格式示例：

{
    "segmentation": [[123,167,128,204,134,201,132,167]],
    "bbox": [123,167,11,37],
    "category_id": 1
}

2.2 关键配置详解

2.2.1 数据流水线配置

旋转检测的数据处理流程需要特殊考虑角度信息：

train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(type='LoadAnnotations', with_bbox=True, box_type='qbox'),
    dict(type='ConvertBoxType', box_type_mapping=dict(gt_bboxes='rbox')),
    dict(type='RandomRotate', prob=0.5, angle_range=180),
    dict(type='RegularizeRotatedBox', angle_version='le90')
]

关键参数说明：

box_type：指定输入框类型（qbox 表示四边形）
angle_version：定义角度范围（le90/le135/oc）
RandomRotate：随机旋转增强，特别处理正方形目标

2.2.2 模型配置

RTMDet-R 的核心配置参数：

model = dict(
    bbox_head=dict(
        angle_version='le90',
        angle_coder=dict(type='PseudoAngleCoder'),
        use_hbbox_loss=False,
        loss_angle=None,
        bbox_coder=dict(type='DistanceAnglePointCoder')
    ),
    test_cfg=dict(
        decoded_with_angle=True
    )
)

2.3 训练策略

MMYOLO 提供了三种不同的损失计算方式：

纯旋转框回归
- 直接对旋转框进行回归
- 需要配合旋转框损失函数（如 RotatedIoULoss）
旋转框+角度辅助损失
- 主损失使用旋转框回归
- 增加角度分类/回归损失
水平框+角度分离训练
- 框回归使用水平框损失（如 IoULoss）
- 角度作为独立任务训练

三、实践建议

3.1 数据增强技巧

优先使用随机旋转增强（RandomRotate）
对于正方形目标（如存储罐）可禁用角度变化
谨慎使用第三方增强库（如 Albumentations）

3.2 模型调优方向

角度表示选择：
- le90：-90°~90°（适合大多数场景）
- le135：-135°~135°（适合对称物体）
- oc：0°~180°（开放角度范围）
损失函数组合：
- 新任务建议从水平框+角度分离开始
- 稳定后可尝试纯旋转框回归
评测指标理解：
- mAP@0.5：IoU 阈值为 0.5
- mAP@0.5:0.95：多阈值平均