1. 旋转目标检测入门：为什么需要特殊处理？

旋转目标检测与传统目标检测最大的区别在于目标物体的方向性。想象一下停车场里的汽车——如果用普通矩形框标注，会包含大量无关背景；而旋转框能紧密贴合车辆轮廓。我在无人机巡检项目中就遇到过这个问题：高压电塔的绝缘子串呈悬垂状态，普通检测框的IOU值始终达不到要求。

roLabelImg是目前最易用的旋转标注工具之一，它基于经典的LabelImg改进而来。安装过程非常简单：

pip install roLabelImg
roLabelImg  # 启动图形界面

标注时会发现一个关键细节：旋转框用中心点(cx,cy)、宽高(w,h)和旋转角度(angle)表示。这个角度采用的是弧度制，范围在-π/2到π/2之间，对应着框的长边与水平轴的夹角。

2. 数据标注实战：roLabelImg高效技巧

实际标注时我总结了几条实用经验：

• 按住Ctrl+鼠标滚轮可以快速调整框的角度
• 双击标注框能直接修改类别名称
• 标注完成后建议用快捷键Ctrl+S保存，避免意外关闭导致数据丢失

标注结果保存在XML文件中，关键数据结构是这样的：

<robndbox>
  <cx>462.06</cx>
  <cy>1000.11</cy>
  <w>238.0</w>
  <h>751.0</h>
  <angle>2.694585</angle>
</robndbox>

常见问题排查：

1. 如果角度显示异常，检查是否误触了镜像翻转快捷键
2. 标注海上船只时，建议统一以船头方向为基准
3. 遇到密集目标时，可以先用普通矩形框初标，再调整为旋转框

3. 数据格式转换：从roLabelImg到DOTA

DOTA数据集格式是旋转目标检测的通用标准，需要将四点坐标(x1,y1,x2,y2,x3,y3,x4,y4)的表示方式。转换脚本的核心是坐标旋转公式：

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

转换后的DOTA格式文本文件每行包含8个坐标值和类别信息：

88 595 1171 739 1143 951 60 807 dancang 9

我在转换过程中发现一个坑点：当旋转角度接近90度时，宽高参数可能会互换。解决方法是在脚本中加入角度校验：

if abs(angle) > math.pi/4:
    w, h = h, w  # 交换宽高

4. YOLOv8-OBB训练全流程详解

YOLOv8的OBB模式需要特殊配置，关键步骤包括：

1. 修改converter.py：

class_mapping = {
    "insulator": 0,  # 替换为自己的类别
    "tower": 1
}

2. 数据集划分建议：

• 训练集：验证集 = 8:2
• 对于小样本数据(＜1000张)，建议采用5折交叉验证

3. 配置文件关键参数：

# yolov8-obb.yaml
theta_format: 'degrees'  # 角度表示方式
loss:
  obb: 1.0  # 旋转框损失权重

训练启动命令示例：

yolo train model=yolov8n-obb.yaml data=insulator.yaml epochs=300 imgsz=640

我在训练中发现几个调优技巧：

• 初始学习率设为0.01，配合SGD优化器效果更好
• 使用--close_mosaic 10参数可在最后10个epoch关闭马赛克增强
• 对于长宽比悬殊的目标(如电线)，建议启用矩形训练--rect

5. 常见问题解决方案

问题1：训练时出现"NaN in loss"错误

• 解决方法：降低学习率，添加梯度裁剪
• 修改train.py：

model.train(..., optimizer='SGD', lr0=0.001, clip_grad=10.0)

问题2：预测框角度跳动不稳定

• 根源：角度周期性问题(179°与-179°实际相同)
• 修改utils/metrics.py中的角度计算方式：

def calculate_angle_diff(pred, target):
    diff = abs(pred - target)
    return min(diff, 2*math.pi - diff)  # 考虑周期对称性

问题3：小目标检测效果差

• 解决方案：
  1. 增加imgz到1024
  2. 使用--multi-scale参数
  3. 在数据增强中减少旋转增强概率

实测案例：在绝缘子检测项目中，经过上述调整后mAP50从0.72提升到0.89。关键是要注意DOTA格式转换时的坐标顺序必须是顺时针方向，否则会导致角度计算错误。建议在转换脚本中加入可视化检查环节，用OpenCV绘制转换前后的框体对比。