由于实习公司需要使用到旋转目标的检测,所以这几天学习了相关知识,并找了许多资料,饶了许多的弯路。下面记录下项目的整个实现过程。
我参考的是以下几位博主:
DOTAv2遥感图像旋转目标检测竞赛经验分享(Swin Transformer + Anchor free/based方案) - 知乎
首先,先为该项目创建一个虚拟环境
VS2015
pytorch 1.6.0(其他版本也可以进行尝试)
torchvision 0.7.0(其他版本也可以进行尝试)
其中这个VS2015,17,19版本都可以,但是pytorch和torchvision必须是要求的版本 ,不然可能会出错 这里试了torch1.8.1和torchvision0.9.1是可以用的。建议安装pytorch和torchvision时采用离线安装包安装,比较稳定。地址,
https://download.pytorch.org/whl/torch_stable.html
接着打开Anaconda prompt创建项目的虚拟环境
conda create -n royolov5 python=3.8
conda activate yolov5
进入创建的虚拟环境之后cd进入下载好pytorch和torchvision的文件夹。然后执行
pip install torch-1.6.0+cu101-cp38-cp38-win_amd64.whl
pip install torchvision-0.7.0+cu101-cp38-cp38-win_amd64.whl
这里注意后缀名.whl不要忘了。
到这里,就将pytorch框架搭好了。
接着,下载我发的压缩包,解压后,同样cd进入YOLOv5_DOTA_OBB-master项目文件的主目录
执行 pip install -r requirements.txt 安装相关的包。
再,添加E:\PytorchPro\YOLOv5_DOTA_OBB-master\swigwin-4.0.2到path里面,这里要进行系统环境的刷新,可以选择重启,也可以进入cmd,输入set path=c 进行刷新
再,在Anaconda prompt中的royolov5环境下cd进入utils分别运行
swig -c++ -python polyiou.i
python setup.py build_ext --inplace
再,将E:\ProgramData\Anaconda3\envs\royolov5\Lib\site-packages\shapely\DLLs所有dll复制到E:\ProgramData\Anaconda3\envs\royolov5\Library\bin
到这一步,训练环境基本准备好了,下面开始准备旋转目标所需的数据集
首先要使用到rolabelimg旋转目标标注工具,具体怎么使用自行百度。下载地址
https://github.com/cgvict/roLabelImg
标注图像后得到的是xml格式,这里需要对数据格式进行转换,符合yolov5的txt格式
首先,运行roxml_to_data.py,转换到Dota的8点数据格式
再将图像数据依次放在以下文件夹
其中images里存放原图像,labelTxt中存放上一步转化的8点格式txt文件(注意要和images中的图像文件对应)
再,进入DOTA_devkit_YOLO-master,修改DOTA_devkit_YOLO-master\dota_utils.py中的classnames_v1_5,修改为你标注数据的种类
再,分别运行PaddingPIC.py和YOLO_Transform.py
其中,PaddingPIC.py的作用是将图片扩展到高宽相同,便于数据处理。YOLO_Transform.py的作用是将dota的数据格式转换为yolov5的数据格式。
转换后的txt文件会存放再yolo_labels文件夹中
再,将yolov5训练所需的原图像和上一步操作得到的txt文件分别放入DOTA_demo_view文件夹里的images和labels中
再修改data\DOTA_ROTATED.yaml中nc和names,或者自己写个yaml文件
可以再修改下网络模型的yaml文件,不会的话用官方的yaml文件就行
最后别忘了下载权重文件,这里要注意,因为这个项目是基于v5-3.1版本的,所以,下载的权重文件不能下载最新的pt文件,不然会报错。
最后,开始训练就可以了。
给出资源链接:
【超级会员V3】通过百度网盘分享的文件:JLJ.zip
链接:https://pan.baidu.com/s/17zVi6ae6sSs3ab7cUiWhig
提取码:8e3g