README.md

这是yolov8_s_mshead的代码储存库

注意 ! 代码库不包含预训练权重文件,请下载yolov8_s_500epoch,并保存于"mmrotate_cut/checkpoints/yolov8_s_orin_pretrain"

注意 ! 代码库不包含模型参数权重文件,请下载yolov8_s_mshead(百度网盘链接,提取码:2310),并保存于mmrotate_cut/checkpoints/yolov8_s_mshead文件夹下

虚拟环境的配置:

基础环境:linux/windows操作系统 , Cuda == 11.8 , 安装anaconda
conda create -n mmrotate_rc1 python=3.8.19 -y
conda activate mmrotate-1.0.0rc1
pip install torch==2.0.0 torchvision==0.15.1 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118
pip install -U openmim
mim install mmengine
mim install "mmcv==2.0.0”
mim install “mmdet==3.0.0”

注意,安装mmrotate库前需要先通过git拉取我们的代码

git clone https://github.com/231055558/mmrotate_cut.git
cd mmrotate_cut && pip install .

请确保DOTA分割数据的存放位置为../data/ (例如../data/trainval/images/)

利用我们的模型训练:

在控制台输入如下指令(激活您的虚拟环境并进入模型文件目录)

python configs/yolov8_s_mshead/train/s2anet-le90_yolo_simple_ms_rr_adamW_1x_dota.py --work-dir <your_work_path_file>

其中<your_work_path_file>是你指定的训练结果保存文件夹位置
训练的输出结果会有.log格式的日志文件和每个epoch的模型权重参数文件,以及最后一次保存的模型权重

利用我们的模型权重进行测试

在控制台输入如下指令(激活您的虚拟环境并进入模型文件目录)

python test.py  ../configs/yolov8_s_mshead/test/s2anet-le90_yolo_simple_ms_rr_adamW_1x_dota.py ../checkpoints/yolov8_s_mshead/s2anet-le90_yolo_simple_ms_rr_adamW_1x_best_model.pth  --work-dir <your_work_path_file>

其中<your_work_path_file>是你指定的测试结果保存文件夹位置
测试结果会以压缩包的形式保存每一类的物品的检测结果

测试模型的FPS数值

在控制台输入如下指令(激活您的虚拟环境并进入模型文件目录)

python ../tools/analysis_tools/benchmark.py configs/yolov8_s_mshead/test/s2anet-le90_yolo_simple_ms_rr_adamW_1x_dota.py ../checkpoints/yolov8_s_mshead/s2anet-le90_yolo_simple_ms_rr_adamW_1x_best_model.pth --task inference --work-dir <your_work_path_file>

其中<your_work_path_file>是你指定的测试结果保存文件夹位置
测试结果会保存测速程序的日志文件