【2023-2024年最新教程】yolov5_obb: 旋转目标检测从数据制作到终端部署全流程教学

导读

yolov5_obb 是 yolov5 目标检测框架的一个变种，支持旋转目标检测任务（Oriented Bounding Boxes，OBB），旨在生成更好拟合具有角度位置的物体预测结果。考虑到目前全网上关于此方面的资料相对较少，鱼龙混杂，不是比较老旧、乱七八糟，就是一言不合就付费查看，交钱看个寂寞，实在是不忍直视。因此，此篇博文旨在提供一个从数据集制作、划分、安装、训练、验证、部署保姆级教程，帮助大家从0到1快速完成项目的上手和开发，满足日常工作和学习的需求。

数据集制作

工具介绍

X-AnyLabeling不仅是一个标注工具，它还是自动数据标注未来的一大飞跃。它的设计不仅简化了标注过程，还集成了尖端的AI模型，以获得更出色的结果。X-AnyLabeling 专注于实际应用，力求提供一个工业级的、功能丰富的工具，可帮助开发人员自动标注和处理各种复杂任务的数据。

在最新的 v1.0.0 版本中，X-AnyLabeling 已经完美支持了旋转框的标注，同时提供全方位的角度显示，实操体验方面也与经典的 roLabelImg 完全保持一致，可无缝迁移，且支持直接导出 DOTA 格式的标签文件，无需转换一键训练。最后，工具中还提供了 yolov5_obb 自定义模型的加载运行，可极大提升数据标注效率，形成快速闭环。

喜欢的小伙伴欢迎点个star，持续关注后续更丰富的功能更新。

工具安装

bash 复制代码

git clone https://github.com/CVHub520/X-AnyLabeling
cd X-AnyLabeling
pip install -r requirements.txt
# pip install -r requirements-gpu.txt
python anylabeling/app.py

使用教程

在标注之前，准备一个预定义的类别标签文件(*.txt)，格式如下：

vehicle
boat

每一行代表一个类别，根据自己的具体任务填写。

在顶部菜单栏中点击Format选项，选择DOTA，并导入上一步准备好的标签文件。

基本用法

按下快捷键 "O" 来创建一个旋转形状。
打开编辑模式（快捷键："Ctrl+J"）并单击选择旋转框。
通过快捷键 "zxcv" 旋转所选框，其中：
- z：大角度逆时针旋转
- x：小角度逆时针旋转
- c：小角度顺时针旋转
- v：大角度顺时针旋转

高级用法

此外，您可以使用训练好的模型批量预标记当前数据集。

按下快捷键 "Ctrl+A" 打开自动标注模式；
选择一个适当的默认模型或加载自定义模型。
按下快捷键 "Ctrl+M" 运行所有图像一次。

如果你手头上刚好有一批标注好的 DOTA 格式数据集，同样也可以使用标签转换脚本一键转换成 X-AnyLabeling 的自定义格式导入到工具中进一步查看和修改：

bash 复制代码

python tools/label_converter.py --task rotation --src_path dota_label_folder --img_path dota_image_folder --mode dota2custom

详细信息，请参考此文档。

入门指南

准备工作

环境要求
- Python 3.7+
- PyTorch ≥ 1.7
- CUDA 9.0或更高版本
- Ubuntu 16.04/18.04
安装开始

a. 创建一个conda虚拟环境并激活它：

bash 复制代码

conda create -n yolov5_obb python=3.8 -y 
source activate yolov5_obb

b. 确保您的CUDA运行时API版本≤CUDA驱动程序版本。（例如11.3 ≤ 11.4）

bash 复制代码

nvcc -V
nvidia-smi

c. 根据您的机器环境，根据官方说明安装PyTorch和torchvision，并确保cudatoolkit版本与CUDA运行时API版本相同，例如：

bash 复制代码

pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu116
nvcc -V
python
>>> import torch
>>> torch.version.cuda
>>> exit()

d. 克隆最新版本的YOLOv5_OBB存储库。

bash 复制代码

git clone https://github.com/CVHub520/yolov5_obb.git
cd yolov5_obb

e. 安装yolov5-obb。

python 复制代码

pip install -r requirements.txt
cd utils/nms_rotated
python setup.py develop  # 或者 "pip install -v -e ."

注意：

对于Windows用户，请参考此问题，如果在你在生成 utils/nms_rotated_ext.cpython-XX-XX-XX-XX.so方面遇到困难。
需要注意的是，笔者这里对 poly_nms_cuda CUDA实现重构了一遍，如果你使用的是 hukaixuan19970627 实现的原始版本，大概率是会编译不通过，可参考着修改下，但建议直接使用此修改后的版本，避免冲突。

DOTA_devkit [可选]

如果您需要分割高分辨率图像并进行评估，建议使用以下工具：

arduino 复制代码

cd yolov5_obb/DOTA_devkit
sudo apt-get install swig
swig -c++ -python polyiou.i
python setup.py build_ext --inplace

数据集划分

准备自定义数据集文件

注意：确保标签格式为[polygon classname difficulty]，例如，您可以将difficulty=0，除非另有说明。

yaml 复制代码

  x1      y1       x2        y2       x3       y3       x4       y4       classname     diffcult

1686.0   1517.0   1695.0   1511.0   1711.0   1535.0   1700.0   1541.0   large-vehicle      1

然后，修改路径参数并运行此[脚本] (./divide.py)，如果不需要拆分高分辨率图像。否则，您可以按以下步骤操作。

shell 复制代码

cd yolov5_obb
python DOTA_devkit/ImgSplit_multi_process.py

确保您的数据集组织在如下所示的目录结构中：

erlang 复制代码

.
└── dataset_demo
    ├── images
    │   └── P0032.png
    └── labelTxt
       

 └── P0032.txt

最后，您可以创建一个自定义的数据yaml文件，例如[yolov5obb_demo.yaml] (./data/yolov5obb_demo.yaml)。

注意：

DOTA是一个高分辨率图像数据集，因此需要在训练/测试之前进行分割，以获得更好的性能。
对于单类问题，建议添加一个"None"类，实际上将其变为一个2类任务，例如DroneVehicle_poly.yaml。

训练/验证/检测

在正式开始训练任务之前，请遵循以下建议：

确保将输入分辨率设置为32的倍数。

默认情况下，将批处理大小设置为8。如果将其增加到16或更大，请调整框丢失的缩放因子，以帮助收敛theta。

要在多个GPU上使用分布式数据并行（DDP）模式进行训练，请参考此shell[脚本] (./sh/ddp_train.sh)。
要训练原始数据集演示，而不分割数据集，请参考以下命令：

bash 复制代码

python train.py \
  --weights weights/yolov5n.pt \
  --data data/task.yaml \
  --hyp data/hyps/obb/hyp.finetune_dota.yaml \
  --epochs 300 \
  --batch-size 1 \
  --img 1024 \
  --device 0 \
  --name /path/to/save_dir

要检测自定义图像文件/文件夹/视频，请参考以下命令：

bash 复制代码

python detect.py \
    --weights /path/to/*.pt \
    --source /path/to/image \
    --img 1024 \
    --device 0 \
    --conf-thres 0.25 \
    --iou-thres 0.2 \
    --name /path/to/save_dir

注意：有关更多详细信息，请参考[此文档] (./docs/GetStart.md)。

部署

导出*.onnx文件：

bash 复制代码

python export.py \
    --weights runs/train/task/weights/best.pt \
    --data data/task.yaml \
    --imgsz 1024 \
    --simplify \
    --opset 12 \
    --include onnx

Python

使用onnxruntime检测导出的onnx文件：

bash 复制代码

python deploy/onnxruntime/python/main.py \
    --model /path/to/*.onnx \
    --image /path/to/image

C++

bash 复制代码

cd opencv/cpp

.
└── cpp
    ├── CMakeLists.txt
    ├── build
    ├── image
    │   ├── demo.jpg
    ├── main.cpp
    ├── model
    │   └── yolov5m_obb_csl_dotav15.onnx
    └── obb
        ├── include
        └── src

安装OpenCV和Eigen3库。

注意，建议使用OpenCV版本4.6.0或更新，v4.7.0已成功测试。

Eigen是一个高性能的C++模板库，专用于线性代数运算，支持矩阵和向量操作，具有自然的C++语法、无依赖性和跨平台特性，广泛应用于科学计算、图形学和机器学习等领域。

将图像和模型文件放在指定目录中。
根据您的特定要求和用例修改CMakeLists.txt、main.cpp和yolo_obb.h文件的内容。
运行演示：

bash 复制代码

mkdir build && cd build
cmake ..
make

对于 OpenVINO 或者 TensorRT 或者移动端部署，原理是一样的，只需要改下 engine 那块即可。

模型库

同时提供了 *.pt 和 *.onnx 文件，方便大家下载。

总结

今天为大家介绍了构建旋转目标检测任务的整个pipeline，如果你在这个过程中碰到任何问题，可在 github issue 反馈，需要交流学习的欢迎添加微信：ww10874，备注yolov5_obb，非诚勿扰。