企业官网建设流程全解析

从Labelme到DOTA：遥感图像旋转框标注与mmdetection实战指南

遥感图像中的目标检测一直是计算机视觉领域的重要研究方向。与常规水平框检测不同，旋转框检测（OBB）能更精确地定位和识别具有任意方向的目标，如建筑物、车辆或飞机。本文将深入探讨如何将Labelme标注的遥感图像转换为DOTA格式，并利用mmdetection框架进行高效训练。

1. 遥感图像旋转框标注基础

旋转框检测的核心在于用旋转矩形框（Rotated Bounding Box）精确描述目标的空间位置和方向。与水平框相比，旋转框能减少背景干扰，提升检测精度，特别适合遥感图像中密集排列或任意朝向的目标。

常见旋转框表示方法：

• 五点法：(x,y,w,h,θ) - 中心点坐标、宽高和旋转角度
• 八点法：(x1,y1,x2,y2,x3,y3,x4,y4) - 四个顶点坐标
• DOTA格式：采用八点表示法，要求顶点按顺时针顺序排列

# DOTA格式示例 """ imagesource:GoogleEarth gsd:0.146343 airplane 0 0 50 0 50 50 0 50 1 """

注意：DOTA格式要求第一个顶点(x1,y1)位于旋转框的"头部"，通常选择目标的主方向作为起始点

2. Labelme到DOTA的格式转换实战

Labelme是常用的图像标注工具，但其输出的JSON格式与DOTA不兼容。我们需要编写转换脚本处理多边形标注到旋转框的转换。

转换流程关键步骤：

1. 多边形凸包计算：使用OpenCV的convexHull处理复杂多边形
2. 最小面积旋转矩形拟合：cv2.minAreaRect获取旋转矩形参数
3. 顶点排序与格式调整：确保顶点符合DOTA的顺时针顺序要求

import json import cv2 import numpy as np def labelme_to_dota(labelme_json, output_txt): with open(labelme_json) as f: data = json.load(f) shapes = data['shapes'] with open(output_txt, 'w') as f: f.write("imagesource:Labelme\n") f.write("gsd:None\n") for shape in shapes: points = np.array(shape['points']) # 计算凸包 hull = cv2.convexHull(points) # 获取最小旋转矩形 rect = cv2.minAreaRect(hull) box = cv2.boxPoints(rect) # 排序顶点为顺时针 box = sort_points_clockwise(box) # 写入DOTA格式 line = f"{shape['label']} {box[0][0]} {box[0][1]} {box[1][0]} {box[1][1]} " line += f"{box[2][0]} {box[2][1]} {box[3][0]} {box[3][1]} 0\n" f.write(line) def sort_points_clockwise(points): # 实现顶点顺时针排序逻辑 ...

提示：实际应用中还需处理多边形的凹性、目标遮挡等复杂情况，可能需要结合业务逻辑调整转换算法

3. mmdetection旋转框检测配置详解

mmdetection作为强大的目标检测框架，支持多种旋转框检测模型。下面以S2ANet为例介绍关键配置：

数据集配置示例：

dataset_type = 'DOTADataset' data_root = 'data/dota/' train_pipeline = [ dict(type='LoadImageFromFile'), dict(type='LoadAnnotations', with_bbox=True), dict(type='RResize', img_scale=(1024, 1024)), dict(type='RRandomFlip', flip_ratio=0.5), dict(type='Normalize', mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375]), dict(type='Pad', size_divisor=32), dict(type='DefaultFormatBundle'), dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']) ] data = dict( samples_per_gpu=2, workers_per_gpu=2, train=dict( type=dataset_type, ann_file=data_root + 'train/labelTxt/', img_prefix=data_root + 'train/images/', pipeline=train_pipeline), val=dict( type=dataset_type, ann_file=data_root + 'val/labelTxt/', img_prefix=data_root + 'val/images/', pipeline=test_pipeline), test=dict( type=dataset_type, ann_file=data_root + 'test/labelTxt/', img_prefix=data_root + 'test/images/', pipeline=test_pipeline))

模型配置关键参数：

model = dict( type='S2ANet', backbone=dict( type='ResNet', depth=50, num_stages=4, out_indices=(0, 1, 2, 3), frozen_stages=1, norm_cfg=dict(type='BN', requires_grad=True), norm_eval=True, style='pytorch'), neck=dict( type='FPN', in_channels=[256, 512, 1024, 2048], out_channels=256, num_outs=5), bbox_head=dict( type='S2ANetHead', num_classes=15, # 根据实际类别数调整 in_channels=256, feat_channels=256, stacked_convs=2, with_orconv=True, anchor_ratios=[1.0], anchor_strides=[8, 16, 32, 64, 128], anchor_scales=[4], target_means=[.0, .0, .0, .0, .0], target_stds=[1.0, 1.0, 1.0, 1.0, 1.0], loss_fam_cls=dict( type='FocalLoss', use_sigmoid=True, gamma=2.0, alpha=0.25, loss_weight=1.0), loss_fam_bbox=dict( type='SmoothL1Loss', beta=1.0 / 9.0, loss_weight=1.0), loss_odm_cls=dict( type='FocalLoss', use_sigmoid=True, gamma=2.0, alpha=0.25, loss_weight=1.0), loss_odm_bbox=dict( type='SmoothL1Loss', beta=1.0 / 9.0, loss_weight=1.0)))

4. 大尺寸遥感图像处理策略

4096×4096等高分辨率遥感图像直接输入网络会带来显存和计算量问题。常用处理方案：

推荐滑动窗口实现代码：

import cv2 import numpy as np def sliding_window(image, window_size, stride): height, width = image.shape[:2] windows = [] for y in range(0, height - window_size[1] + 1, stride): for x in range(0, width - window_size[0] + 1, stride): window = image[y:y+window_size[1], x:x+window_size[0]] windows.append({ 'window': window, 'x': x, 'y': y }) # 处理边缘未覆盖区域 if (height - window_size[1]) % stride != 0: for x in range(0, width - window_size[0] + 1, stride): window = image[-window_size[1]:, x:x+window_size[0]] windows.append({ 'window': window, 'x': x, 'y': height - window_size[1] }) if (width - window_size[0]) % stride != 0: for y in range(0, height - window_size[1] + 1, stride): window = image[y:y+window_size[1], -window_size[0]:] windows.append({ 'window': window, 'x': width - window_size[0], 'y': y }) return windows

提示：实际应用中建议设置50%重叠区域，并使用NMS后处理合并重复检测结果

5. 模型部署与Docker优化

将训练好的旋转框检测模型部署到生产环境时，Docker能有效解决环境依赖问题。以下是关键注意事项：

Dockerfile优化要点：

1. 使用轻量级基础镜像（如python:3.8-slim）
2. 多阶段构建减少最终镜像体积
3. 合理利用层缓存加速构建

# 构建阶段 FROM nvidia/cuda:11.3.1-cudnn8-runtime-ubuntu20.04 as builder WORKDIR /install RUN apt-get update && apt-get install -y --no-install-recommends \ build-essential \ python3-dev \ python3-pip COPY requirements.txt . RUN pip install --prefix=/install -r requirements.txt # 运行阶段 FROM nvidia/cuda:11.3.1-cudnn8-runtime-ubuntu20.04 WORKDIR /app COPY --from=builder /install /usr/local COPY . . # 预编译模型加速推理 RUN python -c "import torch; model=torch.load('model.pth')" CMD ["python", "inference.py"]

性能优化技巧：

• 使用TensorRT加速推理
• 开启CUDA Graph减少内核启动开销
• 批处理预测请求提高GPU利用率
• 使用半精度(FP16)计算

import torch from torch2trt import torch2trt # 转换模型为TensorRT格式 model = init_detector(config, checkpoint) x = torch.ones((1, 3, 1024, 1024)).cuda() model_trt = torch2trt(model, [x], fp16_mode=True) # 保存优化后模型 torch.save(model_trt.state_dict(), 'model_trt.pth')

在实际项目中，我们发现使用DOTA_devkit中的评估工具时，需要特别注意测试集name_list的生成格式必须与评估脚本严格匹配。一个常见的错误是忘记去除文件扩展名，导致评估失败。解决方案是统一使用os.path.splitext处理文件名：

import os def generate_namelist(img_dir, output_file): with open(output_file, 'w') as f: for filename in os.listdir(img_dir): if filename.endswith(('.jpg', '.png', '.bmp')): name = os.path.splitext(filename)[0] f.write(name + '\n')