BboxToolkit 使用教程

项目介绍

BboxToolkit 是一个轻量级的代码库，收集了一些用于特殊形状检测（如定向检测）的实用功能。整个项目使用 Python 编写，可以在不同的平台上运行而无需编译。该项目支持定向检测基准 OBBDetection。目前正在开发 BboxToolkit v2.0，旨在支持基于新 OBBDetection 的开发。

项目快速启动

安装

首先，克隆项目仓库并进入项目目录：

git clone https://github.com/jbwang1997/BboxToolkit.git
cd BboxToolkit

然后，安装项目及其依赖：

pip install -v -e .

使用示例

以下是一个简单的使用示例，展示如何使用 BboxToolkit 进行图像分割：

from BboxToolkit.tools import img_split

# 设置参数
base_json = 'path/to/your/config.json'
img_dirs = ['path/to/your/images']
ann_dirs = ['path/to/your/annotations']
size = 1024
gaps = 200
save_dir = 'path/to/save/split/images'

# 调用 img_split 函数
img_split.split_imgs(base_json=base_json, img_dirs=img_dirs, ann_dirs=ann_dirs, size=size, gaps=gaps, save_dir=save_dir)

应用案例和最佳实践

应用案例

BboxToolkit 主要用于处理大型航空图像，如 DOTA 数据集中的图像。以下是一个典型的应用案例：

1. 图像分割：使用 img_split.py 将大图像分割成小块，便于后续处理。
2. 可视化：使用 visualize.py 在图像上绘制不同类型的方框，便于调试和验证。
3. 计算 mAP：使用 cal_mAP.py 计算模型的平均精度（mAP），评估模型性能。

最佳实践

• 参数配置：使用 JSON 文件配置参数，便于管理和复用。
• 模块化设计：根据需求选择合适的工具函数，保持代码简洁和高效。
• 性能优化：对于大型图像，合理设置分割大小和重叠，以平衡计算资源和处理效果。

典型生态项目

BboxToolkit 参考了以下项目：

• DOTA_devkit：DOTA 数据集的工具箱。
• MMCV：一个用于计算机视觉的基础 Python 库。
• MMDetection：一个基于 PyTorch 的开源目标检测工具箱。

这些项目与 BboxToolkit 共同构成了一个丰富的生态系统，支持从数据处理到模型训练的全流程开发。