MMrotate1.x 生成DOTA数据集提交文件的完整指南
2025-07-05 21:14:19作者:邬祺芯Juliet
概述
MMrotate1.x 是一个基于PyTorch的开源旋转目标检测框架,广泛应用于遥感图像分析领域。在使用MMrotate进行DOTA数据集测试时,生成符合官方要求的提交文件是评估模型性能的关键步骤。本文将详细介绍如何在MMrotate1.x中正确生成提交到DOTA服务器的压缩文件。
生成提交文件的核心命令
在MMrotate1.x中,生成DOTA格式提交文件的核心命令如下:
python tools/test.py \
configs/h2rbox/h2rbox-le90_r50_fpn_adamw-1x_dota.py \
work_dirs/h2rbox-le90_r50_fpn_adamw-1x_dota/epoch_12.pth \
--work-dir=work_dirs/Task1_results
命令参数解析
-
配置文件路径:
configs/h2rbox/h2rbox-le90_r50_fpn_adamw-1x_dota.py- 指定了模型架构和训练配置
-
模型权重文件:
work_dirs/h2rbox-le90_r50_fpn_adamw-1x_dota/epoch_12.pth- 训练好的模型权重文件路径
-
输出目录:
--work-dir=work_dirs/Task1_results- 指定结果保存路径,DOTA格式的提交文件将生成在此目录下
生成文件结构
执行上述命令后,系统会在指定目录下生成符合DOTA评估服务器要求的文件结构:
work_dirs/Task1_results/
├── results.pkl
└── Task1/
├── P0006.txt
├── P0007.txt
├── ...
└── Pxxxx.txt
其中,每个.txt文件对应一张测试图像的检测结果,格式符合DOTA官方要求。
常见问题解决方案
-
版本兼容性问题:
- 确保使用的MMrotate版本与配置文件匹配
- 检查PyTorch和CUDA版本是否兼容
-
文件格式错误:
- 验证生成的.txt文件是否符合DOTA格式规范
- 检查坐标值是否在合理范围内
-
性能评估差异:
- 确认测试时使用的数据增强方式与训练一致
- 检查NMS阈值等后处理参数设置
最佳实践建议
-
批量测试:可以编写脚本批量测试多个模型,比较不同配置的性能差异
-
结果验证:在正式提交前,建议使用DOTA官方提供的评估工具本地验证结果文件
-
版本控制:记录每次提交对应的模型配置和训练参数,便于结果复现和分析
通过以上步骤,用户可以顺利生成符合DOTA服务器要求的提交文件,完成模型性能的官方评估。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
317
2.74 K
仓颉编译器源码及 cjdb 调试工具。
C++
124
852
Ascend Extension for PyTorch
Python
157
178
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
639
246
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
242
85
暂无简介
Dart
606
136
React Native鸿蒙化仓库
JavaScript
239
310
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
470
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
364
3.02 K