YOLOv8_obb训练流程-原理解析[旋转目标检测理论篇]

        在旋转目标检测网络中，换了个顺序，先把训练流程捋一遍，然后再取捋一下测试的流程。由下图的YOLOv8l_obb网络结构图可以看到相对于目标检测网络，旋转目标检测网络只是在Head层不相同，在每个尺度特征层中增加了Angle分支（浅蓝色），通过两个卷积组和一个Conv卷积得到得到通道数为1的特征图，1表示的就是每个Grid cell预测的角度。

 1.YOLOv8_obb标签转换

         首先来认识一下v8中的标签格式，如下图所示，标注完经过转换后得到的标签一共有9列，其中第一列是类别，后面八列表示四个角点的X、Y坐标，这四个点不用按照顺序排列。然后对这四个点使用插值来补点，和实例分割标签处理的方法一样，只不过实例分割标签会把点补到1000个，旋转目标检测只需要补充到100个点；最后使用cv2.minAreaRect()对这100个轮廓点进行处理，得到旋转的中心点、宽高以及旋转角度。

        这里要注意一下使用cv2.minAreaRect()生成的中心点、宽高、角度的规律：（1）首先生成的角度范围是[0,90];（2）由下图可知，角度由两种表示方式：其一是在图像坐标系中（原点在左上角），角度是指平行于x轴的直线顺时针旋转直到碰到第一条边得到的度数，W即为碰到的第一条边的长度，H为另一条