OBBDetection 开源项目教程

1. 项目介绍

OBBDetection 是一个基于 MMDetection 的面向遥感图像的目标检测工具箱，特别支持定向边界框（Oriented Bounding Box, OBB）的目标检测。该项目继承了 MMDetection 的模块化设计和丰富功能，同时增加了对定向边界框的支持，使其特别适合处理遥感图像中的目标检测任务。

主要特性

• 继承 MMDetection 的全部功能：OBBDetection 在不改变 MMDetection 原有结构和代码的基础上进行了扩展，因此用户可以无缝使用 MMDetection 中的所有功能。
• 支持多种定向目标检测算法：工具箱实现了多种最先进的定向目标检测算法，如 RoI Transformer、Gliding Vertex 等。
• 灵活的边界框表示：支持水平边界框（HBB）、定向边界框（OBB）和 4 点表示法（POLY）。
• 丰富的模型库：提供了一个包含多种预训练模型的模型库，涵盖了各种主干网络和检测算法。

2. 项目快速启动

安装环境

首先，确保你已经安装了 PyTorch 和 CUDA。然后，按照以下步骤安装 OBBDetection：

# 克隆项目仓库
git clone https://github.com/jbwang1997/OBBDetection.git
cd OBBDetection

# 创建并激活虚拟环境
conda create -n obbdetection python=3.8 -y
conda activate obbdetection

# 安装 PyTorch 和 CUDA 支持
pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

# 安装 mmcv-full
pip install -U openmim
mim install mmcv-full==1.4.1

# 安装 OBBDetection
pip install -v -e .

# 安装 BboxToolkit
cd BboxToolkit
pip install -v -e .

训练模型

假设你已经准备好了数据集，可以使用以下命令开始训练模型：

python tools/train.py configs/your_config_file.py

测试模型

训练完成后，可以使用以下命令测试模型：

python tools/test.py configs/your_config_file.py work_dirs/your_experiment/latest.pth --eval bbox

3. 应用案例和最佳实践

遥感图像目标检测

OBBDetection 特别适用于遥感图像中的目标检测任务。例如，在 DOTA 数据集上，使用 ResNet50 作为主干网络的 Oriented R-CNN 模型在不使用任何技巧的情况下，就达到了 75.87% 的 mAP。

自定义数据集

如果你有自定义的遥感图像数据集，可以按照以下步骤进行数据准备和模型训练：

1. 数据准备：将数据集转换为 OBBDetection 支持的格式。
2. 配置文件：根据你的数据集创建或修改配置文件。
3. 训练和测试：使用上述命令进行模型训练和测试。

4. 典型生态项目

MMDetection

OBBDetection 是基于 MMDetection 开发的，MMDetection 是一个开源的目标检测工具箱，支持多种目标检测算法。

BboxToolkit

BboxToolkit 是 OBBDetection 依赖的一个工具包，用于支持定向边界框的操作。

DOTA 数据集

DOTA 是一个用于遥感图像目标检测的大型数据集，OBBDetection 在该数据集上表现出色。

通过以上步骤，你可以快速上手并使用 OBBDetection 进行遥感图像的目标检测任务。