从零构建MMRotate旋转检测实战：自定义数据集标注、训练与调优全解析

1. 为什么需要旋转目标检测？

在传统的目标检测任务中，我们通常使用水平矩形框来标注物体。但在遥感图像、自动驾驶、文档分析等场景下，物体往往呈现各种角度的旋转。比如卫星图像中的飞机、停车场里的车辆、扫描文档中的文字等，如果强行用水平框标注，会包含大量背景噪声，严重影响检测精度。

旋转框检测的核心优势在于能够更紧密地贴合物体轮廓。我曾在遥感图像分析项目中对比过两种标注方式：使用旋转框的检测准确率比水平框高出23%，特别是在密集小目标场景下优势更加明显。MMRotate作为OpenMMLab生态中的旋转检测专用工具箱，集成了Faster R-CNN、R3Det等主流算法，支持DOTA格式数据集，是处理这类任务的利器。

2. 环境配置与工具安装

2.1 基础环境搭建

实测在Ubuntu 20.04和Windows 10下都能稳定运行，建议优先选择Linux环境。需要准备：

• Python 3.7+（实测3.8最稳定）
• PyTorch 1.7+（与CUDA版本匹配）
• CUDA 10.1/10.2（根据显卡驱动选择）
• GCC 5+（编译mmcv-full必需）

具体安装命令如下：

conda create -n mmrotate python=3.8 -y conda activate mmrotate conda install pytorch==1.7.1 torchvision==0.8.2 cudatoolkit=10.2 -c pytorch

2.2 MMRotate全家桶安装

安装顺序很关键，我踩过的坑包括：

1. mmcv-full版本不匹配导致无法导入
2. mmdetection版本过高引发API冲突

推荐使用这套组合：

pip install mmcv-full==1.4.5 -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.7.1/index.html pip install mmdet==2.19.0 git clone https://github.com/open-mmlab/mmrotate.git cd mmrotate pip install -r requirements/build.txt pip install -v -e .

验证安装成功的小技巧：运行python demo/image_demo.py时，如果能看到带旋转框的可视化结果，说明环境配置正确。

3. 自定义数据集制作全流程

3.1 旋转标注神器roLabelImg

不同于常规的labelImg，这个工具支持旋转矩形标注。安装时注意：

• 需要PyQt5环境
• 快捷键A/D切换标注，Z/X调整角度
• 务必保存为PASCAL VOC格式的XML文件

标注时有个关键细节：角度定义是w边（初始水平边）与x轴的顺时针夹角，范围限制在[-90°,90°]。我刚开始标注时没注意这个规则，导致后续转换出现框体错位。建议先在简单图像上测试，确认标注框能正确包裹目标。

3.2 格式转换核心代码解析

MMRotate要求DOTA格式的标签，转换时需要处理坐标变换。核心代码如下：

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 xc + pResx, yc + pResy

这个函数实现了关键点旋转计算，配合OpenCV的绘图函数可以可视化验证转换是否正确。建议在转换脚本中加入校验环节，用不同颜色绘制原始框和转换后的框体。

3.3 数据集划分与裁剪技巧

遥感图像通常尺寸较大，直接训练会爆显存。MMRotate提供了智能裁剪方案：

1. 修改split_configs/ss_train.json中的参数：

{ "image_dir": "your_images", "ann_dir": "your_labels", "save_dir": "split_results", "patch_size": [1024, 1024], "overlap_size": [200, 200] }

2. 运行裁剪脚本：

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

重叠区域(overlap)设置很关键，太小会导致目标被切割，太大会增加计算量。根据目标尺寸调整，一般设置为目标平均大小的1/3。

4. 模型训练实战技巧

4.1 配置文件深度调优

以Faster R-CNN为例，关键修改点：

1. 修改configs/rotated_faster_rcnn/rotated_faster_rcnn_r50_fpn_1x_dota_le90.py：

model = dict( roi_head=dict( bbox_head=dict( num_classes=1))) # 修改为你的类别数

2. 调整学习率策略：

optimizer = dict( lr=0.005, # 根据batch size调整 paramwise_cfg=dict( bias_lr_mult=2., # 偏置项加倍学习率 norm_decay_mult=0.))

4.2 常见训练问题解决

CUDA out of memory：除了调小batch size，还可以：

• 启用梯度累积：

optimizer_config = dict( cumulative_iters=4) # 每4个iter更新一次

• 使用混合精度训练：

fp16 = dict(loss_scale=512.)

Loss震荡严重：尝试：

1. 增加warmup迭代：

lr_config = dict( warmup_iters=500, warmup_ratio=0.001)

2. 调整正负样本比例：

train_cfg = dict( rpn=dict( sampler=dict( num=256, pos_fraction=0.5)))

5. 模型测试与效果提升

5.1 测试脚本定制化

官方demo不支持批量测试，可以改造为：

from mmrotate.apis import inference_detector, init_detector model = init_detector(config_file, checkpoint_file) for img in os.listdir(img_dir): result = inference_detector(model, os.path.join(img_dir, img)) show_result_pyplot(model, img, result, out_file=os.path.join(out_dir, img))

5.2 后处理优化策略

1. 调整NMS阈值：

test_cfg = dict( rcnn=dict( nms=dict( iou_threshold=0.1))) # 密集目标可降低到0.05

2. 启用多尺度测试：

img_norm_cfg = dict( transforms=[ dict(type='MultiScaleFlipAug', scales=[(1333, 768), (1333, 800)], flip=True) ])

在实际项目中，通过调整这些参数，我将船舶检测的AP从0.68提升到了0.82。关键是要根据验证集指标进行针对性优化，不同场景的最佳参数组合可能差异很大。