深度学习|遥感旋转目标检测模型（R3Det 实验记录）深度学习|视觉检测

配置环境：
RTX3090
PyTorch 1.9.0
CUDA 11.3
cudnn 8.2.0
mmcv 0.5.9(旧版本)
opencv 3.4.4.19（旧版本）
DOTA数据集下载：https://captain-whu.github.io/DOTA/dataset.html
R3Det训练好的checkpoints（用于test测试，u8bj）：https://pan.baidu.com/share/init?surl=Ijmh1Lco4T7HPwAtT2h0Zg
项目地址：https://github.com/SJTU-Thinklab-Det/r3det-on-mmdetection
论文：https://arxiv.org/abs/1908.05612
实验步骤：
一、安装
下载项目：

git clone https://github.com/SJTU-Thinklab-Det/r3det-on-mmdetection

运行安装脚本：

python setup.py install

卸载mmcv和opencv，重新安装配置要求的旧版本，否则后面会报错。

pip3 uninstall mmcv

pip3 uninstall opencv-python

输入指令查看是否安装成功项目的修改版mmdet

pip3 list

#包含以下库，即安装成功 mmdet (2.1.0+unknown, /usr/local/lib/python3.6/dist-packages/mmdet-2.1.0+unknown-py3.6-linux-x86_64.egg)

二、训练train
图片裁剪：修改dota_image_split.py中关于存储DOTA1.0数据集的位置

if __name__ == '__main__': trainsplit = DOTAImageSplitTool('../data/dota/train', '../data/dota/trainsplit', tile_overlap=(150, 150), tile_shape=(600, 600)) trainsplit.split() valsplit = DOTAImageSplitTool('../data/dota/val', '../data/dota/valsplit', tile_overlap=(150, 150), tile_shape=(600, 600)) valsplit.split()

运行图片裁剪脚本

python dota_image_split.py

【深度学习|遥感旋转目标检测模型（R3Det 实验记录）】修改./r3det-on-mmdetection/configs/r3det/datasets/dotav1_rotational_detection.py下的代码为裁剪后的数据集地址

data_root = '/home/slz/桌面/r3det-on-mmdetection-master/data/dota/' trainsplit_ann_folder = 'trainsplit/labelTxt' trainsplit_img_folder = 'trainsplit/images' valsplit_ann_folder = 'valsplit/labelTxt' valsplit_img_folder = 'valsplit/images' val_ann_folder = 'val/labelTxt' val_img_folder = 'val/images' test_img_folder = 'test/images'

在根目录运行脚本文件，其中可能会出现一些路径问题，稍加修改可以解决

#在rtools目录下运行 python3 ../tools/train.py ../configs/r3det/r3det_r50_fpn_2x_CustomizeImageSplit.py

三、测试test
在根目录创建work_dirs目录，将下载好的checkpoints放到该目录下

#在rtools目录下运行 python tools/test.py configs/r3det/r3det_r50_fpn_2x_CustomizeImageSplit.py work_dirs/r3det_r50_fpn_2x_20200616/epoch_24.pth --format-only --options submission_dir=work_dirs/r3det_r50_fpn_2x_20200616/submission

结果以test文件输出
四、可视化Visualize
在rootls目录下直接运行

python3 ./dota_result_visualize.py ../configs/r3det/r3det_r50_fpn_2x_CustomizeImageSplit.py ../work_dirs/r3det_r50_fpn_2x_20200616/epoch_24.pth

会导致随机只输出一张图片，还需手动保存。
解决方法：
修改mmdet库，以下为本机mmdet位置，不要修改项目中的mmdet

'/usr/local/lib/python3.6/dist-packages/mmdet-2.1.0+unknown-py3.6-linux-x86_64.egg/mmdet/apis/rtest.py'

修改single_gpu_mergetiles_visualize方法成如下：

def single_gpu_mergetiles_visualize(model, data_loader,save_dir, show_score_thr=0.3): model.eval() dataset = data_loader.dataset prog_bar = mmcv.ProgressBar(len(dataset)) for i, data in enumerate(data_loader): with torch.no_grad(): result = model(return_loss=False, rescale=True, **data) img_show = image_merge(data) model.module.show_result( img_show, result, show=True, out_file=save_dir+'{}.png'.format(i), score_thr=show_score_thr)prog_bar.update()

添加了一个save_dir参数
修改rtools目录下的dota_result_visualize.py中的main函数下调用single_gpu_mergetiles_visualize方法代码添加并修改为

save_dir='/home/slz/桌面/r3det-on-mmdetection-master/resultPNG/' single_gpu_mergetiles_visualize(model=model, data_loader=data_loader,save_dir=save_dir, show_score_thr=0.3)

再在rtools目录下运行