当前位置：首页 > news >正文

MMRotate v0.3.4实战：从DOTA数据集到自定义数据集的完整训练流程（附避坑指南）

news 2026/8/20 11:15:13

MMRotate v0.3.4实战：从DOTA数据集到自定义数据集的完整训练流程（附避坑指南）

旋转目标检测技术在遥感图像分析、自动驾驶等领域具有广泛应用价值。MMRotate作为OpenMMLab生态中的旋转目标检测工具箱，其v0.3.4版本在模型性能和易用性方面都有显著提升。本文将深入探讨如何将公开数据集DOTA的处理经验迁移到自定义数据集训练中，解决实际工程落地中的关键问题。

1. 环境配置与工具准备

1.1 基础环境搭建

推荐使用conda创建隔离的Python环境以避免依赖冲突：

conda create -n mmrotate python=3.8 -y conda activate mmrotate

对于PyTorch的安装，需特别注意CUDA版本与显卡驱动的兼容性。以NVIDIA 30系列显卡为例：

pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 -f https://download.pytorch.org/whl/torch_stable.html

MMRotate的依赖安装建议使用MIM工具链：

pip install -U openmim mim install mmcv-full mim install "mmdet<3.0.0" git clone https://github.com/open-mmlab/mmrotate.git cd mmrotate pip install -v -e .

注意：pip install -v -e .命令末尾的点号不可省略，这是将当前目录以可编辑模式安装的关键

1.2 标注工具选择

对于旋转框标注，推荐以下两种方案：

工具名称	适用场景	输出格式	安装方式
roLabelImg	桌面端标注	XML/Pascal VOC	pip install roLabelImg
CVAT	团队协作/在线标注	COCO/DOTA	Docker容器部署

roLabelImg的常用快捷键：

W：创建旋转矩形
Ctrl+S：保存当前标注
→：下一张图像

2. 数据准备与格式转换

2.1 DOTA数据集预处理

DOTA数据集的标准目录结构应如下：

DOTA/ ├── train/ │ ├── images/ │ └── labelTxt/ ├── val/ │ ├── images/ │ └── labelTxt/ └── test/ ├── images/ └── labelTxt/

由于DOTA图像尺寸较大（通常4000×4000像素），需要进行切片处理：

# 单尺度切片示例 python tools/data/dota/split/img_split.py \ --base-json tools/data/dota/split_configs/ss_train.json \ --save-dir splits/train

关键参数说明：

patch_size: 切片尺寸（默认1024）
gap: 切片重叠区域（建议200像素）
rates: 多尺度切片的缩放比例

2.2 自定义数据集转换

常见标注格式转换流程：

VOC转DOTA格式：

def voc_to_dota(xml_file, txt_file): tree = ET.parse(xml_file) root = tree.getroot() with open(txt_file, 'w') as f: for obj in root.findall('object'): robndbox = obj.find('robndbox') # 坐标转换逻辑... f.write(f"{x1} {y1} {x2} {y2} {x3} {y3} {x4} {y4} {class_name} {difficulty}\n")

COCO转DOTA格式：需特别注意旋转角度的表示差异，COCO使用[x,y,w,h,θ]而DOTA需要四个角点坐标。
数据集划分脚本：

from sklearn.model_selection import train_test_split img_files = glob.glob('images/*.jpg') train, val = train_test_split(img_files, test_size=0.2, random_state=42)

3. 配置文件深度定制

3.1 数据集配置调整

修改configs/_base_/datasets/dotav1.py：

data = dict( samples_per_gpu=4, # 根据GPU显存调整 workers_per_gpu=2, # 推荐为CPU核心数的1/4 train=dict( type='DOTADataset', ann_file='data/custom/train/annfiles/', img_prefix='data/custom/train/images/'), val=dict( type='DOTADataset', ann_file='data/custom/val/annfiles/', img_prefix='data/custom/val/images/'), test=dict( type='DOTADataset', ann_file='data/custom/test/annfiles/', img_prefix='data/custom/test/images/'))

3.2 模型配置优化

以R3Det模型为例，关键修改点：

类别数调整：

model = dict( bbox_head=dict( num_classes=10)) # 修改为自定义类别数

预训练权重加载：

load_from = 'checkpoints/r3det_r50_fpn_1x_dota-3c2215c4.pth'

学习率策略：

optimizer = dict(type='SGD', lr=0.01, momentum=0.9, weight_decay=0.0001) lr_config = dict( policy='CosineAnnealing', warmup='linear', warmup_iters=1000, warmup_ratio=1.0/3, min_lr_ratio=1e-5)

4. 训练与调优实战

4.1 分布式训练启动

单GPU训练：

python tools/train.py configs/r3det/r3det_r50_fpn_1x_dota.py --work-dir work_dirs/custom

多GPU训练（4卡示例）：

./tools/dist_train.sh configs/r3det/r3det_r50_fpn_1x_dota.py 4 --work-dir work_dirs/custom

4.2 常见问题排查

显存不足：

减小samples_per_gpu
使用梯度累积：

optimizer_config = dict( grad_clip=dict(max_norm=35, norm_type=2), cumulative_iters=4) # 每4次迭代更新一次权重

训练震荡：

增加warmup_iters
尝试SyncBN：

norm_cfg = dict(type='SyncBN', requires_grad=True)

验证指标异常：

检查标注文件编码（必须UTF-8）
确认class_names顺序与标注一致

4.3 模型测试与部署

推理演示：

python demo/image_demo.py \ demo/demo.jpg \ configs/r3det/r3det_r50_fpn_1x_dota.py \ work_dirs/custom/latest.pth \ --out-file result.jpg

模型导出为ONNX格式：

from mmdeploy.apis import export_model export_model( 'configs/r3det/r3det_r50_fpn_1x_dota.py', 'work_dirs/custom/latest.pth', 'demo/demo.jpg', 'output', backend='onnxruntime')

在实际项目中，我们发现以下配置组合效果较好：