YOLO26 OBB旋转目标检测实战：从标注到训练全流程

1. 项目概述

在工业质检、遥感影像分析等领域，传统的水平框检测往往难以精确框选倾斜或旋转的目标。YOLO26 OBB（Oriented Bounding Box）旋转目标检测技术应运而生，它能够通过带角度的矩形框更精准地定位目标。本文将手把手带你完成从数据标注到模型训练的全流程实战。

提示：OBB检测相比传统水平框检测，在航空影像、工业零件缺陷检测等场景中能提升10%-30%的检测精度。

2. 数据标注与格式转换

2.1 旋转框标注工具选择

推荐使用LabelImg-Rotated或CVAT进行旋转框标注。以LabelImg-Rotated为例：

1. 安装标注工具：

bash复制git clone https://github.com/cgvict/labelImg-Rotated
cd labelImg-Rotated
pip install -r requirements.txt
python labelImg.py

2. 标注时需依次点击目标的四个角点，系统会自动计算最小外接旋转矩形。标注完成后会生成包含旋转角度的JSON文件，格式如下：

json复制{
  "version": "4.5.6",
  "flags": {},
  "shapes": [
    {
      "label": "crack",
      "points": [[x1,y1], [x2,y2], [x3,y3], [x4,y4]],
      "shape_type": "polygon"
    }
  ]
}

2.2 数据格式转换

YOLO26 OBB需要特定的txt格式，每行包含：

code复制class_id x_center y_center width height angle_radians

转换脚本核心逻辑：

python复制import math
import json

def convert(json_path, txt_path):
    with open(json_path) as f:
        data = json.load(f)
    
    with open(txt_path, 'w') as f:
        for shape in data['shapes']:
            points = np.array(shape['points'])
            rect = cv2.minAreaRect(points)
            (x,y), (w,h), angle = rect
            
            # 归一化处理
            x_center, y_center = x/img_width, y/img_height
            w_norm, h_norm = w/img_width, h/img_height
            
            # 角度转为弧度并标准化
            angle_rad = math.radians(angle)
            if w < h:  # 确保长边对应width
                angle_rad += math.pi/2
                w_norm, h_norm = h_norm, w_norm
            
            line = f"{class_id} {x_center} {y_center} {w_norm} {h_norm} {angle_rad}\n"
            f.write(line)

注意：角度处理是转换的关键，YOLO26要求角度范围在[-π/2, π/2]之间，且width始终对应长边。

3. 模型训练实战

3.1 环境配置

推荐使用Python3.8+PyTorch1.12+CUDA11.3环境：

bash复制conda create -n yolo26 python=3.8
conda activate yolo26
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 --extra-index-url https://download.pytorch.org/whl/cu113
git clone https://github.com/xxx/YOLO26
cd YOLO26
pip install -r requirements.txt

3.2 数据集配置

创建dataset.yaml文件：

yaml复制path: /path/to/dataset
train: images/train
val: images/val
test: images/test

names: 
  0: crack
  1: scratch
  2: corrosion

目录结构示例：

code复制dataset/
├── images/
│   ├── train/
│   ├── val/
│   └── test/
└── labels/
    ├── train/
    ├── val/
    └── test/

3.3 训练参数调优

关键训练参数解析：

bash复制python train.py \
  --data dataset.yaml \
  --cfg models/yolov5s-obb.yaml \
  --weights '' \
  --batch-size 16 \
  --epochs 100 \
  --img-size 640 \
  --device 0 \
  --hyp data/hyps/hyp.obb.yaml \
  --rect \  # 矩形训练提升速度
  --noautoanchor \  # 关闭自动anchor
  --rotate 0.5 \  # 数据增强旋转概率
  --degrees 180  # 最大旋转角度

实操技巧：初始训练建议使用小模型(yolov5s-obb)快速验证流程，正式训练再切换到大模型。

4. 常见问题与解决方案

4.1 角度预测不稳定

现象：预测框角度在0°和90°之间跳动
解决方法：

1. 检查标注时是否统一了长边对应width的规则
2. 在loss.py中增加角度回归权重：

python复制class OBBLoss:
    def __init__(self):
        self.angle_weight = 0.2  # 默认0.1可适当提高

4.2 小目标检测效果差

优化方案：

1. 修改model.yaml中的neck部分，增加P2小目标检测层：

yaml复制head:
  [[-1, 1, Conv, [256, 1, 1]],
   [-1, 1, nn.Upsample, [None, 2, 'nearest']],
   [[-1, 6], 1, Concat, [1]],  # 增加P2分支
   [-1, 3, C3, [256, False]],
  ...]

2. 使用更高分辨率的输入尺寸（如1024x1024）

4.3 训练显存不足

应对策略：

1. 启用梯度累积：

bash复制python train.py --batch-size 8 --accumulate 2  # 等效bs=16

2. 使用混合精度训练：

bash复制python train.py --half

3. 减小输入尺寸：

bash复制python train.py --img-size 512

5. 模型测试与部署

5.1 测试脚本使用

基础测试命令：

bash复制python detect.py \
  --weights runs/train/exp/weights/best.pt \
  --source test_images/ \
  --conf 0.25 \
  --iou 0.45 \
  --device 0 \
  --save-txt \
  --save-conf \
  --hide-labels

高级功能：

• 添加--obb-metrics计算旋转框专属指标：

code复制Oriented IoU: 0.78
Angle Error: 5.2°

5.2 模型轻量化

使用剪枝压缩模型：

python复制from torch_pruner import prune

model = torch.load('best.pt')
prune.global_unstructured(
    model,
    pruning_method=prune.L1Unstructured,
    amount=0.3  # 剪枝30%
)
torch.save(model, 'pruned.pt')

5.3 TensorRT加速部署

转换命令示例：

bash复制python export.py \
  --weights best.pt \
  --include engine \
  --device 0 \
  --half \
  --dynamic \
  --simplify

部署时注意：

1. 旋转框的后处理需要特殊处理：

cpp复制void decodeOBB(float* output, float* boxes) {
  // x,y,w,h,angle格式转换
  float angle = atan2(output[4], output[5]);
  // 其他解码逻辑...
}

6. 进阶优化技巧

6.1 数据增强策略

在hyp.obb.yaml中配置专用增强：

yaml复制rotate: 0.5  # 旋转增强概率
degrees: 180  # 旋转角度范围
perspective: 0.001  # 透视变换
mixup: 0.1  # 图像混合
copy_paste: 0.2  # 目标粘贴增强

6.2 注意力机制改进

在models/common.py中添加SE注意力模块：

python复制class SEBlock(nn.Module):
    def __init__(self, c):
        super().__init__()
        self.avgpool = nn.AdaptiveAvgPool2d(1)
        self.fc = nn.Sequential(
            nn.Linear(c, c//16),
            nn.ReLU(),
            nn.Linear(c//16, c),
            nn.Sigmoid()
        )
    
    def forward(self, x):
        b, c, _, _ = x.size()
        y = self.avgpool(x).view(b, c)
        y = self.fc(y).view(b, c, 1, 1)
        return x * y

6.3 损失函数优化

改进的OBB损失计算：

python复制class OBBLoss(nn.Module):
    def __init__(self):
        super().__init__()
        self.kld_loss = KullbackLeiblerDivergence()
        
    def forward(self, pred, target):
        # 位置损失
        xy_loss = F.mse_loss(pred[:,:2], target[:,:2])
        
        # 尺寸损失
        wh_loss = F.smooth_l1_loss(pred[:,2:4], target[:,2:4])
        
        # 角度损失（使用KLD）
        angle_loss = self.kld_loss(pred[:,4:6], target[:,4:6])
        
        return xy_loss + wh_loss + angle_loss

在实际项目中，我发现三个关键经验：

1. 标注质量决定上限：旋转框标注需要比水平框更严格的质检，建议多人交叉验证
2. 角度归一化是基础：训练前务必统一角度表示方式，否则会导致模型难以收敛
3. 小批量验证：每训练50个batch就用验证集检查角度预测情况，早发现问题