YOLOv8-OBB: 旋转框目标检测在Pytorch中的实现

---

训练步骤

a、准备DOTA数据集

1、DOTA数据集存放在DOTA_dateset文件夹下

DOTA_dataset
  ├─images
  │  ├─test
  │  ├─train
  │  └─val
  └─labels
      ├─test
      ├─train
      └─val  

2、DOTA数据集的标注格式为
30,464,64,440,84,468,50,492,0
x0,y0,x1,y1,x2,y2,x3,y3,class

3、对DOTA数据集进行分割 由于DOTA数据集是遥感数据集，所以其图片大小相对较大，无法直接用于训练模型，所以先使用split_dota.py进行数据集的分割，但由于分割后的数据集存在空图像（没有目标的图像），所以要使用rm_dota.py删除空图像。

分割后的DOTA数据集存放在DOTA_dateset_split文件夹下

DOTA_dataset_split
  ├─images
  │  ├─test
  │  ├─train
  │  └─val
  └─labels
      ├─test
      ├─train
      └─val  

b、生成训练用数据集文件

1、运行dota_annotation.py生成DOTA_train.txt和DOTA_val.txt。

c、进行训练

1、对train.py文件进行修改，按照注释修改对应的路径。

2、运行train.py进行训练，权值会生成在logs文件夹中。

d、对训练好的模型进行性能评估

1、对get_map.py文件进行修改，按照注释修改对应的路径。

2、运行get_map.py进行性能评估。

mAP	AP	Precision	Recall	F1
平均精度均值	精度均值	准确率	召回率	F1分数

e、进行目标检测

1、目标检测需要用到两个文件，分别是yolo.py和predict.py。需要按照注释修改yolo.py中的对应的路径。predictfor.py用于批量检测。

2、运行predict.py，输入对应的图片路径进行检测。

f、可视化界面

qtgui.py是使用PyQt5编写的一个可视化界面。

Reference

https://github.com/bubbliiiing/yolov8-pytorch
https://github.com/ultralytics/ultralytics