Label Studio中旋转边界框转YOLO格式的正确处理方法
在计算机视觉标注任务中,旋转边界框(Rotated Bounding Box)是一种比普通矩形框更精确的标注方式,特别适用于处理倾斜或旋转的目标物体。Label Studio作为一款流行的数据标注工具,支持旋转边界框的标注和导出,但在转换为YOLO格式时需要注意一些技术细节。
旋转边界框与YOLO格式的差异
旋转边界框通常包含五个参数:中心点坐标(x,y)、宽度(w)、高度(h)和旋转角度(θ)。而标准YOLO格式仅支持普通矩形框,使用四个参数:中心点坐标(x,y)、宽度(w)和高度(h),不包含旋转信息。
Label Studio中的导出选项
Label Studio从1.16版本开始提供了专门的YOLO OBB(YOLO Oriented Bounding Box)导出格式,这是处理旋转边界框的正确方式。YOLO OBB格式扩展了标准YOLO格式,增加了旋转角度的支持,可以完整保留旋转边界框的所有信息。
使用YOLO OBB格式的步骤
-
确认软件版本:确保使用Label Studio 1.16或更高版本,以及最新版的Label Studio SDK和转换工具。
-
标注数据:在Label Studio中使用旋转矩形工具进行标注,正确设置旋转角度。
-
导出数据:在Label Studio界面中选择"导出"功能,然后选择"YOLO OBB"格式进行导出。
-
模型训练:使用支持OBB的YOLO实现(如Ultralytics YOLO的最新版本)进行模型训练。
技术实现原理
当从Label Studio导出YOLO OBB格式时,系统会自动将旋转边界框的五个参数转换为YOLO OBB兼容的格式。转换过程中会保持原始几何信息不变,包括:
- 中心点坐标归一化到[0,1]范围
- 宽度和高度相对于图像尺寸的比例
- 旋转角度(通常以弧度表示)
常见问题解决方案
如果遇到旋转信息丢失的情况,可以检查以下方面:
- 确认使用了正确的导出格式(YOLO OBB而非标准YOLO)
- 验证使用的YOLO实现是否支持旋转边界框
- 检查标注时是否正确设置了旋转角度
通过正确使用YOLO OBB格式,可以充分利用旋转边界框提供的精确几何信息,提高模型对旋转目标的检测能力,特别适用于航拍图像、文档分析等包含大量倾斜目标的场景。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00