简介

MMRotate 是一个基于 PyTorch 的开源旋转目标检测工具箱。 它是 OpenMMLab 项目的一部分。 主分支支持 PyTorch 1.6+。

https://user-images.githubusercontent.com/10410257/154433305-416d129b-60c8-44c7-9ebb-5ba106d3e9d5.MP4

主要特性

• 支持多种角度表示

  MMRotate 提供三种主流的角度表示方式，以满足不同论文中的设置需求。

• 模块化设计

  我们将旋转目标检测框架分解为多个组件， 这使得通过组合不同的模块来构建新模型变得更加容易和灵活。

• 强大的基线与最先进方法

  该工具箱提供了旋转目标检测领域的强大基线和最先进方法。

最新动态

亮点

我们很高兴地宣布我们在实时目标识别任务上的最新成果——RTMDet，这是一系列全卷积单阶段检测器。RTMDet 不仅在从小型到超大型的各种模型尺寸上实现了最佳的参数与精度平衡，还在实例分割和旋转目标检测任务上取得了新的最先进性能。详细信息请参阅技术报告。预训练模型可在这里找到。

任务	数据集	AP	FPS(TRT FP16 BS1 3090)
目标检测	COCO	52.8	322
实例分割	COCO	44.6	188
转角目标检测	DOTA	78.9（单尺度）/81.3（多尺度）	121

0.3.4 版本于 2023 年 1 月 2 日发布：

• 修复了与 numpy、scikit-learn 和 e2cnn 的兼容性问题。
• 支持旋转变换中的空补丁。
• 在 RRandomCrop 验证中使用 iof。

有关详细信息和发布历史，请参阅 changelog.md。

安装

MMRotate 依赖于 PyTorch、MMCV 和 MMDetection。 以下是快速安装步骤。 更多详细说明请参阅 安装指南。

conda create -n open-mmlab python=3.7 pytorch==1.7.0 cudatoolkit=10.1 torchvision -c pytorch -y
conda activate open-mmlab
pip install openmim
mim install mmcv-full
mim install mmdet
git clone https://github.com/open-mmlab/mmrotate.git
cd mmrotate
pip install -r requirements/build.txt
pip install -v -e .

开始使用

请参阅 get_started.md 了解 MMRotate 的基本用法。 我们还提供了 colab 教程，以及其他教程，包括：

• 学习基础知识
• 了解配置文件
• 自定义数据集
• 自定义模型
• 实用工具

模型 zoo

结果和模型可在各方法配置目录的 README.md 文件中找到。 汇总信息请参阅 Model Zoo 页面。

支持的算法：

• 旋转 RetinaNet-OBB/HBB (ICCV'2017)
• 旋转 FasterRCNN-OBB (TPAMI'2017)
• 旋转 RepPoints-OBB (ICCV'2019)
• 旋转 FCOS (ICCV'2019)
• RoI Transformer (CVPR'2019)
• Gliding Vertex (TPAMI'2020)
• 旋转 ATSS-OBB (CVPR'2020)
• CSL (ECCV'2020)
• R³Det (AAAI'2021)
• S²A-Net (TGRS'2021)
• ReDet (CVPR'2021)
• Beyond Bounding-Box (CVPR'2021)
• Oriented R-CNN (ICCV'2021)
• GWD (ICML'2021)
• KLD (NeurIPS'2021)
• SASM (AAAI'2022)
• Oriented RepPoints (CVPR'2022)
• KFIoU (arXiv)
• G-Rep (敬请期待)

数据准备

请参考 data_preparation.md 来准备数据。

常见问题解答

常见问题解答请参阅 FAQ。

贡献

我们欢迎所有有助于改进 MMRotate 的贡献。请参阅 CONTRIBUTING.md 了解贡献指南。

致谢

MMRotate 是一个开源项目，由来自不同院校和公司的研究人员与工程师共同贡献而成。我们感谢所有实现其方法或添加新功能的贡献者，以及提供宝贵反馈的用户。我们希望该工具箱和基准能够为不断壮大的研究社区服务，提供一个灵活的工具集，用于复现现有方法并开发新的方法。

引用

如果您在研究中使用了本工具箱或基准，请引用该项目。

@inproceedings{zhou2022mmrotate,
  title   = {MMRotate: A Rotated Object Detection Benchmark using PyTorch},
  author  = {Zhou, Yue and Yang, Xue and Zhang, Gefan and Wang, Jiabao and Liu, Yanyi and
             Hou, Liping and Jiang, Xue and Liu, Xingzhao and Yan, Junchi and Lyu, Chengqi and
             Zhang, Wenwei and Chen, Kai},
  booktitle={Proceedings of the 30th ACM International Conference on Multimedia},
  year={2022}
}

许可证

本项目采用 Apache 2.0 许可证 发布。

OpenMMLab 中的项目

• MMCV: OpenMMLab 计算机视觉基础库。
• MIM: MIM 用于安装 OpenMMLab 的软件包。
• MMClassification: OpenMMLab 图像分类工具箱及基准。
• MMDetection: OpenMMLab 目标检测工具箱及基准。
• MMDetection3D: OpenMMLab 下一代通用 3D 目标检测平台。
• MMRotate: OpenMMLab 旋转目标检测工具箱及基准。
• MMSegmentation: OpenMMLab 语义分割工具箱及基准。
• MMOCR: OpenMMLab 文本检测、识别和理解工具箱。
• MMPose: OpenMMLab 人体姿态估计工具箱及基准。
• MMHuman3D: OpenMMLab 3D 人体参数化模型工具箱及基准。
• MMSelfSup: OpenMMLab 自监督学习工具箱及基准。
• MMRazor: OpenMMLab 模型压缩工具箱及基准。
• MMFewShot: OpenMMLab 少样本学习工具箱及基准。
• MMAction2: OpenMMLab 下一代动作理解工具箱及基准。
• MMTracking: OpenMMLab 视频感知工具箱及基准。
• MMFlow: OpenMMLab 光流计算工具箱及基准。
• MMEditing: OpenMMLab 图像和视频编辑工具箱。
• MMGeneration: OpenMMLab 图像和视频生成模型工具箱。
• MMDeploy: OpenMMLab 模型部署框架。

MMRotate 快速上手指南

MMRotate 是一个基于 PyTorch 的开源旋转目标检测工具箱，属于 OpenMMLab 项目系列。它支持多种角度表示法，提供了强大的基线模型和 SOTA 算法，适用于航拍图像、场景文本等旋转物体检测任务。

1. 环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统: Linux (推荐), Windows, macOS
• Python: 3.7+
• PyTorch: 1.6+ (推荐 1.7.0+)
• CUDA: 根据显卡驱动版本安装对应的 Toolkit (示例中使用 10.1)
• 前置依赖: MMRotate 依赖 MMCV 和 MMDetection。

国内开发者提示：建议使用 Conda 管理环境，并在安装 Python 包时使用清华或阿里镜像源以加速下载。

2. 安装步骤

以下是基于 Conda 的快速安装流程。我们将创建一个名为 open-mmlab 的独立环境。

第一步：创建并激活 Conda 环境

conda create -n open-mmlab python=3.7 pytorch==1.7.0 cudatoolkit=10.1 torchvision -c pytorch -y
conda activate open-mmlab

第二步：安装 OpenMIM 工具

OpenMIM 是 OpenMMLab 系列的包管理工具，能自动解决依赖关系。

pip install openmim

(可选加速): 若下载缓慢，可指定国内源： pip install openmim -i https://pypi.tuna.tsinghua.edu.cn/simple

第三步：安装 MMCV 和 MMDetection

使用 MIM 安装预编译的 MMCV-full 和 MMDetection，避免手动编译报错。

mim install mmcv-full
mim install mmdet

第四步：克隆并安装 MMRotate

git clone https://github.com/open-mmlab/mmrotate.git
cd mmrotate
pip install -r requirements/build.txt
pip install -v -e .

(可选加速): 最后一步安装也可使用国内源： pip install -v -e . -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 基本使用

安装完成后，您可以立即开始使用 MMRotate。最基础的用法包括推理演示、训练和测试。

推理演示 (Demo)

MMRotate 提供了简单的脚本用于单张图片或视频的推理。假设您已下载好模型配置文件和权重文件：

python demo/image_demo.py demo/demo.jpg configs/rotated_faster_rcnn/rotated_faster_rcnn_r50_fpn_1x_dota_le90.py rotated_faster_rcnn_r50_fpn_1x_dota_le90-0393aa5c.pth --out-file result.jpg

• demo/demo.jpg: 输入图片路径。
• configs/...: 模型配置文件路径。
• ...pth: 模型权重文件路径。
• --out-file: 输出结果保存路径。

训练模型

准备数据集（参考 tools/data/README.md）后，使用以下命令启动训练（单卡）：

python tools/train.py configs/rotated_faster_rcnn/rotated_faster_rcnn_r50_fpn_1x_dota_le90.py

多卡训练：

bash tools/dist_train.sh configs/rotated_faster_rcnn/rotated_faster_rcnn_r50_fpn_1x_dota_le90.py 4

测试模型

使用训练好的权重进行评估：

python tools/test.py configs/rotated_faster_rcnn/rotated_faster_rcnn_r50_fpn_1x_dota_le90.py rotated_faster_rcnn_r50_fpn_1x_dota_le90-0393aa5c.pth --eval mAP

---

更多资源：

• 详细教程与配置自定义：官方文档
• Colab 在线体验：MMRotate Tutorial
• 模型库汇总：Model Zoo