基于MMRotate训练自定义数据集 做旋转目标检测 2022-3-30

本文目录

• 简述
• 1.MMrotate下载
• 2.环境安装
• 3.自定义数据集制作
  *
• 3.1 roLabelImg 打标签
• 3.2 生成DOTA数据集格式的标签
• 3.3 数据集裁剪（split）
• 4.修改配置文件
• 5.训练并测试
• 6 公开数据集及对应代码下载网址
• 参考博客

简述

MMRotate 是一款基于 PyTorch 的旋转框检测的开源工具箱，是 OpenMMLab 项目的成员之一。里面包含了rcnn、faster rcnn、r3det等各种旋转目标的检测模型，适合于遥感图像领域的目标检测。

1.MMrotate下载

MMrotate包下载： 下载链接
目录结构如下：

; 2.环境安装

所需要的依赖环境：

    Linux & Windows
    Python 3.7+
    PyTorch 1.6+
    CUDA 9.2+
    GCC 5+
    mmcv-full 1.4.5+
    mmdet 2.19.0+

安装流程：

conda create -n mmrotate python=3.7 -y
conda activate mmrotate

conda install pytorch==1.7.0 torchvision==0.8.0 cudatoolkit=10.1 -c pytorch

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.7.0/index.html

pip install mmdet

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

测试安装的环境是否正常：
打开demo文件夹下的image_demo.py：修改相应的参数：

– -img : 测试的图片
– -config：选择测试的模型配置文件
– -checkpoint: 对应的预训练模型文件，可自行下载：MMrotate模型库 百度网盘连接：rcnn 权重 提取码：ur0b
– -output: 检测输出的图片

python demo/image_demo.py

3.自定义数据集制作

要训练自己的模型，自定义数据集制作这部分其实是最麻烦的。MMrotate所使用的数据集格式是dota类型的，图片为.png格式且尺寸是 n×n 的（方形），不过不用担心，该项目中有相应的工具包可自动转换
DOTA的标签格式：

x1, y1, x2, y2, x3, y3, x4, y4, category: 目标名字 difficult：表示标签检测的难易程度 （1表示困难，0表示不困难）

x1,y1为左上角的坐标，然后顺时针排列4个坐标

3.1 roLabelImg 打标签

roLabelImg工具算是labelme的进阶版吧，它能把矩形框进行旋转，制作旋转目标的标签。操作时：A键 D键 Z键 X键 C键 V键 这几个常用快捷键用得多点
生成的xml标签文件如下：

其中相比普通的标签文件多了一个角度信息（angle），后续转为DOTA的标签时就是利用了该角度（这里强烈建议先看大佬的文章：旋转框的转换问题;），所以在用roLabelImg打标签时一定要注意三点：（1）roLabelImg中本身的角度是以框的w边 与x轴顺时针之间所形成的夹角为正角（2）旋转框的w边（初始水平边）始终旋转到与目标的长边重合（3）打标签时保证angle在[-90°，90°]间，。这种标注法原项目叫做”长边标注法”(le90)，具体见下图：

至此，生成的目录结构如下：

3.2 生成DOTA数据集格式的标签

利用上一步中xml标签 转换为DOTA的标签，转换的代码(只需要给定3个路径参数就可以运行了)：

import os
import xml.etree.ElementTree as ET
import math
import cv2 as cv

def voc_to_dota(xml_dir, xml_name, img_dir, savedImg_dir):
    txt_name = xml_name[:-4] + '.txt'
    txt_path = xml_dir + '/txt_label'
    if not os.path.exists(txt_path):
        os.makedirs(txt_path)
    txt_file = os.path.join(txt_path, txt_name)

    img_name = xml_name[:-4] + '.jpg'
    img_path = os.path.join(img_dir, img_name)
    img = cv.imread(img_path)

    xml_file = os.path.join(xml_dir, xml_name)
    tree = ET.parse(os.path.join(xml_file))
    root = tree.getroot()
    with open(txt_file, "w+", encoding='UTF-8') as out_file:

        for obj in root.findall('object'):
            name = obj.find('name').text
            difficult = obj.find('difficult').text

            robndbox = obj.find('robndbox')
            cx = float(robndbox.find('cx').text)
            cy = float(robndbox.find('cy').text)
            w = float(robndbox.find('w').text)
            h = float(robndbox.find('h').text)
            angle = float(robndbox.find('angle').text)

            p0x, p0y = rotatePoint(cx, cy, cx - w / 2, cy - h / 2, -angle)
            p1x, p1y = rotatePoint(cx, cy, cx + w / 2, cy - h / 2, -angle)
            p2x, p2y = rotatePoint(cx, cy, cx + w / 2, cy + h / 2, -angle)
            p3x, p3y = rotatePoint(cx, cy, cx - w / 2, cy + h / 2, -angle)

            dict = {p0y:p0x, p1y:p1x, p2y:p2x, p3y:p3x }
            list = find_topLeftPopint(dict)

            if list[0] == p0x:
                list_xy = [p0x, p0y, p1x, p1y, p2x, p2y, p3x, p3y]
            elif list[0] == p1x:
                list_xy = [p1x, p1y, p2x, p2y, p3x, p3y, p0x, p0y]
            elif list[0] == p2x:
                list_xy = [p2x, p2y, p3x, p3y, p0x, p0y, p1x, p1y]
            else:
                list_xy = [p3x, p3y, p0x, p0y, p1x, p1y, p2x, p2y]

            cv.line(img, (int(list_xy[0]), int(list_xy[1])), (int(list_xy[2]), int(list_xy[3])), color=(255, 0, 0), thickness= 3)
            cv.line(img, (int(list_xy[2]), int(list_xy[3])), (int(list_xy[4]), int(list_xy[5])), color=(0, 255, 0), thickness= 3)
            cv.line(img, (int(list_xy[4]), int(list_xy[5])), (int(list_xy[6]), int(list_xy[7])), color=(0, 0, 255), thickness= 2)
            cv.line(img, (int(list_xy[6]), int(list_xy[7])), (int(list_xy[0]), int(list_xy[1])), color=(255, 255, 0), thickness= 2)

            data = str(list_xy[0]) + " " + str(list_xy[1]) + " " + str(list_xy[2]) + " " + str(list_xy[3]) + " " + \
                   str(list_xy[4]) + " " + str(list_xy[5]) + " " + str(list_xy[6]) + " " + str(list_xy[7]) + " "
            data = data + name + " " + difficult + "\n"
            out_file.write(data)
        if not os.path.exists(savedImg_dir):
            os.makedirs(savedImg_dir)
        out_img = os.path.join(savedImg_dir, xml_name[:-4]+'.jpg')
        cv.imwrite(out_img, img)

def find_topLeftPopint(dict):
    dict_keys = sorted(dict.keys())
    temp = [dict[dict_keys[0]], dict[dict_keys[1]]]
    minx = min(temp)
    if minx == temp[0]:
        miny = dict_keys[0]
    else:
        miny = dict_keys[1]
    return [minx, miny]

def rotatePoint(xc, yc, xp, yp, theta):
    xoff = xp - xc
    yoff = yp - yc
    cosTheta = math.cos(theta)
    sinTheta = math.sin(theta)
    pResx = cosTheta * xoff + sinTheta * yoff
    pResy = - sinTheta * xoff + cosTheta * yoff

    return float(format(xc + pResx, '.1f')), float(format(yc + pResy, '.1f'))

import argparse
def parse_args():
    parser = argparse.ArgumentParser(description='数据格式转换')
    parser.add_argument('--xml-dir', default='./buildings/train/label', help='original xml file dictionary')
    parser.add_argument('--img-dir', default='./buildings/train', help='original image dictionary')
    parser.add_argument('--outputImg-dir', default='./buildings/train/out', help='saved image dictionary after dealing ')

    args = parser.parse_args()
    return args

if __name__ == '__main__':
    args = parse_args()
    xml_path = args.xml_dir
    xmlFile_list = os.listdir(xml_path)
    print(xmlFile_list)
    for i in range(0, len(xmlFile_list)):
        if ('.xml' in xmlFile_list[i]) or ('.XML' in xmlFile_list[i]):
            voc_to_dota(xml_path, xmlFile_list[i], args.img_dir, args.outputImg_dir)
            print('----------------------------------------{}{}----------------------------------------'
                  .format(xmlFile_list[i], ' has Done!'))
        else:
            print(xmlFile_list[i] + ' is not xml file')

其中转换的原理就是基于大佬的知乎文章中转换矩阵，生成的DOTA标签格式如下：

images: 存放的.jpg图像（我只有200张）
xml: rolabelImg打的标签(这时已没啥用了，可删除)
txt_Label: 生成的DOTA标签

然后将上述数据集分成 train、test、val 、trainval等几部分以便于训练，其中每个部分的文件夹下都包含有 images(图像) 和 labels(对应的txt标签)
我这里是手动划分的：train 80%，test 10%，val 10%。

3.3 数据集裁剪（split）

然后将得到的 train、test、val 中的图片进行裁剪，裁剪的原因 是由于我的图像是1920×1080的矩形，而且也不是png格式的，所以找到：mmrotate-main/tools/data/dota/split/ 路径下img_split.py文件(裁剪脚本) 以及 mmrotate-main/tools/data/dota/split/split_configs/ 路径下的配置文件，其文件内容就是img_split.py的配置信息，我们需要修改其中的参数，让其加载上述的train、test、val中的图像及标签，并进行裁剪。

python mmrotate-main/tools/data/dota/split/img_split.py --base_json mmrotate-main/tools/data/dota/split/split_configs/ss_train.json

其他 test、val、trainval数据集的裁剪同理，只需修改 – -base_json参数为对应的配置文件即可。
裁剪的结果：

4.修改配置文件

数据集准备好之后，接下来，需要修改训练相关的配置信息：主要就是 tools/tain.py 中的相关参数修改，train.py文件如下：

两个主要的参数： – -config: 使用的模型文件 （我使用的是 faster rcnn) ； – -work-dir：训练得到的模型及配置信息保存的路径

由于使用的模型是：rotated_faster_rcnn_r50_fpn_x1_dota_le90.py，在该文件中实现了：训练相关参数的配置，数据集信息的配置，以及faster-rcnn网络架构的搭建；打开该文件修改其中的目标类别数为自己数据集的类别数，我的类别为1， 所以修改：num_classes = 1,

同时，修改 mmrotate-main/mmrotate/datasets/dota.py 文件中的类别名字（CLASSES）， 具体如下：

最后，修改训练使用的数据集路径：找到并打开 mmrotate-main/configs/ base/datasets/dotav1.py 文件，修改其中的 data_root 路径为自己裁剪的数据集路径，该路径包含了上述划分的train、test、val、trainval数据集，另外，dotav1.py文件中data下的train、val、test三个对象分别就是利用上述路径下对应类别的数据集，网络加载数据也是通过这三个对象中的路径去加载的，所以我们自己划分的数据集实质上只用到了：train数据集、trainval数据集、test数据集。（因为我有其他训练任务所以划分了4个），综上所述，数据集的划分完全可以根据这三个对象路径来划分就行，并不一定要和本文的一样，保证数据能正常加载训练即可。

; 5.训练并测试

一切准备就绪后 即可开始愉快的训练了！！！执行：

python tools/train.py

训练结果：

1 学习率，batch，num-worker，epoch，优化函数等 都是在configs/ base/下的文件内去修改
2 如果遇到 Cuda out of memory错误：可将 mmrotate-main/configs/ base/datasets/dotav1.py文件中的samples_per_gpu 和 workers_per_gpu 改小一点。

6 公开数据集及对应代码下载网址

比较全面的数据集网站： 根据关键词搜索基本上都能找到相关的数据集

参考博客

AI目标检测：VOC格式数据集转换为DOTA类型数据集

使用MMrotate的Kfiou进行身份证分割

Original: https://blog.csdn.net/qq_43581224/article/details/123838415
Author: YD-阿三
Title: 基于MMRotate训练自定义数据集 做旋转目标检测 2022-3-30