复现Oriented RCNN在HRSC2016数据集L2,L3任务

源码下载

Oriented RCNN 论文地址
Oriented RCNN 源码下载

环境配置

1.创建conda虚拟环境

我比较习惯于复现一个模型就创建一个新的虚拟环境，并用模型名来命名虚拟环境名，不容易混乱。

conda create -n OBBDetection python==3.8
conda activate OBBDetection

2.安装pytorch

我比较习惯安装v1.7.1版本的pytorch，如果要安装其他版本的可以在pytorch官网找相应的安装命令。

pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

3.下载OBBDetection和BboxToolKit源码

我比较习惯于直接在github上下载，再传输到服务器上。下载OBBDetection后BboxToolKit文件夹为空，需要下载BboxToolKit源码放到BboxToolKit空文件夹下。OBBDetection下载链接和BboxToolKit下载链接

4.安装BboxToolkit

一定要进入setup.py所在的BboxToolkit目录里，不然会报错：找不到setup.py文件

cd BboxToolkit			# 进入BboxToolkit目录
pip install -v -e .		# 安装BboxToolkit
cd ..					# 退回OBBDetection目录

5.安装mmcv

mmcv的版本一定要和pytorch对应，不然会很麻烦。

pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/cu110/torch1.7/index.html

6.安装OBBDetection

时间较久，耐心等待！

pip install -r requirements/build.txt
pip install -v -e .

7.安装pycocotools

conda install -c conda-forge pycocotools

测试模型

在OBBDetection目录下创建一个子目录checkpoints，用来放置权重文件。
到model zoo里面下载训练好的权重：faster_rcnn_orpn_r101_fpn_1x_mssplit_rr_dota10_epoch12.pth
这里放置的是Google Drive链接，也可以用百度网盘下（慢）
linux没有图形界面，plot画不出图，所以需要在mmdet/apis/inference.py中

import cv2						# 第一行加入
cv2.imwrite("xxxx320.jpg", img)	# 最后一行加入

保存文件，运行测试命令。

# 测试命令
python demo/huge_image_demo.py demo/dota_demo.jpg \
configs/obb/oriented_rcnn/faster_rcnn_orpn_r101_fpn_1x_ms_rr_dota10.py \
checkpoints/faster_rcnn_orpn_r101_fpn_1x_mssplit_rr_dota10_epoch12.pth \
BboxToolkit/tools/split_configs/dota1_0/ss_test.json

刷新OBBDetection，其中会出一张“xxxx320.jpg”图片，这就是我们的测试效果图。

放入HRSC2016数据集

现在OBBDetection中创建data子目录，在data目录中创建hrsc子目录，在hrsc目录中创建FullDataSet和ImageSets两个子目录，在FullDataSet目录中创建AllImages、Annotations、LandMask、Segmentations子目录，把数据传入对应的目录即可。目录结构如图：

L3任务

修改config文件

1.修改configs/obb/base/datasets/hrsc.py

# 修改一行代码
# 我比较习惯用绝对路径，也可以用相对路径
data_root = '/home/ly/OBBDetection-master/data/hrsc/'
# 可用ctrl+f查找关键字“classwise”
# 修改两行代码
classwise = True
imgset、ann_file、img_prefix路径按需更改

2.修改configs/obb/oriented_rcnn/faster_rcnn_orpn_r50_fpn_3x_hrsc.py

# 修改一行代码
num_classes=33,

训练模型

在OBBDetection下创建work_dirs子目录，用来存储.pth文件

python tools/train.py \
configs/obb/oriented_rcnn/faster_rcnn_orpn_r101_fpn_3x_hrsc.py  --work-dir work_dirs/33cls

测试模型

python tools/test.py \
/home/ly/OBBDetection-master/configs/obb/oriented_rcnn/faster_rcnn_orpn_r101_fpn_3x_hrsc.py \
/home/ly/OBBDetection-master/work_dirs/33cls/epoch_36.pth --eval mAP

可视化结果