DAL 项目使用教程

1. 项目的目录结构及介绍

DAL/
├── datasets/
│   ├── DOTA_devkit/
│   └── generate_imageset.py
├── models/
├── outputs/
├── utils/
│   ├── overlaps_cuda/
│   └── make.sh
├── .gitignore
├── LICENSE
├── README.md
├── demo.py
├── eval.py
├── hyp.py
├── requirements.txt
└── train.py

目录结构介绍

• datasets/: 包含数据集相关的文件和工具，如 DOTA_devkit 和 generate_imageset.py。
• models/: 存放模型相关的文件。
• outputs/: 用于存放训练和推理的输出结果。
• utils/: 包含各种实用工具和脚本，如 overlaps_cuda 和 make.sh。
• .gitignore: Git 忽略文件配置。
• LICENSE: 项目许可证文件。
• README.md: 项目介绍和使用说明。
• demo.py: 用于测试数据集的脚本。
• eval.py: 用于评估模型性能的脚本。
• hyp.py: 配置文件，包含训练和推理的参数设置。
• requirements.txt: 项目依赖的 Python 包列表。
• train.py: 用于训练模型的脚本。

2. 项目的启动文件介绍

demo.py

demo.py 文件用于测试数据集。你可以使用以下命令来测试数据集：

python demo.py

在运行之前，请确保修改 demo.py 中的参数，如 weight、img_dir、dataset 和 hyp，以适应你的测试需求。

train.py

train.py 文件用于训练模型。你可以使用以下命令来启动训练：

python train.py

在训练之前，请确保将数据集移动到 $ROOT 目录，并根据需要修改 hyp.py 和 train.py 中的参数。

eval.py

eval.py 文件用于评估模型性能。你可以使用以下命令来评估模型：

python eval.py

不同的数据集使用不同的测试方法。例如，对于 HRSC2016 数据集，你需要先准备标签文件，然后运行 eval.py。

3. 项目的配置文件介绍

hyp.py

hyp.py 是项目的配置文件，包含训练和推理的参数设置。你可以根据需要修改这些参数，以调整模型的训练和推理行为。

requirements.txt

requirements.txt 文件列出了项目依赖的 Python 包。你可以使用以下命令来安装这些依赖：

pip install -r requirements.txt

此外，还需要安装 torch-warmup-lr 包：

pip install git+git://github.com/lehduong/torch-warmup-lr.git

make.sh

make.sh 是一个脚本文件，用于构建 Cython 和 CUDA 模块。你可以使用以下命令来运行该脚本：

cd $ROOT/utils
sh make.sh

然后，进入 overlaps_cuda 目录并编译：

cd $ROOT/utils/overlaps_cuda
python setup.py build_ext --inplace

generate_imageset.py

generate_imageset.py 文件用于生成数据集的图像集文件。你可以使用以下命令来生成图像集文件：

cd $ROOT/datasets
python generate_imageset.py

这些文件和脚本共同构成了 DAL 项目的基础配置和启动流程。