企业官网建设流程全解析

MMRotate遥感小目标检测实战：从数据裁剪到模型调优的完整指南

遥感图像中的小目标检测一直是计算机视觉领域的难点。当目标尺寸仅为几十像素甚至更小时，常规检测方法往往难以奏效。本文将基于MMRotate框架，分享一套针对DOTA等遥感数据集的完整解决方案，涵盖数据预处理、模型选择、参数调优等关键环节。

1. 遥感小目标检测的核心挑战

1920x1080像素的航拍图像中，一栋建筑可能只占据50x30像素的区域。这种目标与背景的极端不平衡带来了三个典型问题：

• 特征提取困难：小目标在卷积过程中容易丢失细节信息
• 正负样本失衡：背景区域远多于有效目标区域
• 定位精度不足：旋转框的倾斜角度增加了回归难度

以DOTA数据集为例，其图像尺寸普遍在4000x4000像素以上，但车辆等目标的最小外接矩形宽度可能不足15像素。直接输入原始图像会导致：

# 典型遥感图像尺寸与目标尺寸对比 image_size = (4000, 4000) # 1600万像素 target_size = (15, 8) # 120像素，占比仅0.00075%

2. 数据预处理：智能裁剪策略

2.1 分块裁剪的必要性

MMRotate提供的img_split.py脚本通过滑动窗口实现大图切割，其核心参数包括：

实际操作中建议采用重叠分块策略：

python tools/data/dota/split/img_split.py \ --base_json configs/split_configs/custom_train.json \ --patch_size 1024 \ --overlap 200

注意：overlap值应大于目标最大尺寸的1.5倍，避免目标被切割

2.2 标签转换与验证

使用roLabelImg标注时需特别注意角度定义规则。推荐转换脚本包含以下关键步骤：

1. 解析XML中的旋转框参数(cx,cy,w,h,angle)
2. 计算四个角点坐标
3. 按DOTA格式排序点集（左上角开始顺时针）

def rotatePoint(xc, yc, xp, yp, theta): """ 坐标旋转转换 """ 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

验证转换结果时，建议可视化检查边界框是否准确包裹目标：

3. 模型架构调优策略

3.1 锚框(Anchor)优化配置

针对小目标的锚框设置需要调整三个关键维度：

1. 尺度(scale): 典型值[8,16,32]适用于常规目标，小目标应改为[4,8,16]
2. 长宽比(ratio): 遥感目标常见比例[1,1.5,2,3,5]
3. 角度(angle): 建议每45°设置一个锚框，共8个方向

# MMRotate中的anchor生成配置 anchor_generator=dict( type='RotatedAnchorGenerator', scales=[4, 8, 16], ratios=[1.0, 1.5, 2.0, 3.0, 5.0], strides=[4, 8, 16, 32, 64], angles=[0, 45, 90, 135])

3.2 特征金字塔(FPN)增强

在mmrotate/configs/base/models/faster_rcnn_r50_fpn.py中修改：

# 增加P2层获取更高分辨率特征 fpn=dict( in_channels=[256, 512, 1024, 2048], out_channels=256, start_level=1, # 原为2 num_outs=5) # 原为4 # ROI Align设置 roi_head=dict( featmap_strides=[4, 8, 16, 32]) # 对应FPN输出

4. 训练参数调优实战

4.1 学习率与批次大小

基于裁剪后数据特点，推荐采用渐进式学习率策略：

# 在configs/base/schedules/schedule_1x.py中修改 optimizer = dict( type='SGD', lr=0.01, # 基础学习率 momentum=0.9, weight_decay=0.0001) lr_config = dict( policy='step', warmup='linear', warmup_iters=500, warmup_ratio=0.001, step=[8, 11]) # 在第8和11epoch时衰减

4.2 数据增强方案

针对小目标的特殊增强策略：

train_pipeline = [ dict(type='LoadImageFromFile'), dict(type='LoadAnnotations', with_bbox=True), dict(type='RResize', img_scale=(1024, 1024)), dict( type='RRandomFlip', flip_ratio=0.5, direction=['horizontal', 'vertical']), dict( type='PolyRandomRotate', rotate_ratio=0.5, angles_range=180, auto_bound=False), dict(type='BrightnessTransform', level=10), dict(type='ContrastTransform', level=10), dict(type='HSVAugment', hgain=5, sgain=5, vgain=5), dict(type='Normalize', **img_norm_cfg), dict(type='Pad', size_divisor=32), dict(type='DefaultFormatBundle'), dict(type='Collect', keys=['img', 'gt_bboxes']) ]

5. 性能优化与结果分析

5.1 典型评估指标对比

在DOTA-v1.5测试集上的实验结果：

5.2 显存优化技巧

当遇到CUDA out of memory错误时，可尝试以下调整：

1. 减小批次大小：

   data = dict( samples_per_gpu=2, # 原为4 workers_per_gpu=2)

2. 使用梯度累积：

   optimizer_config = dict( type='GradientCumulativeOptimizerHook', cumulative_iters=2)

3. 混合精度训练：

   fp16 = dict( loss_scale=512., grad_clip=dict(max_norm=35, norm_type=2))

在实际项目中，针对2000x2000像素的航拍图像，经过1024x1024分块处理后，使用R3Det模型训练时单个GPU的显存占用从18GB降至6GB，使GTX 1080Ti等消费级显卡也能胜任训练任务。