企业官网建设流程全解析

简介：本资源为YOLOv5 OBB旋转框训练DEMO，面向具备一定深度学习基础、希望掌握倾斜目标检测的开发者与算法学习者，解决常规轴对齐边界框难以精确表示树木、车辆等有角度物体的问题。压缩包共583个文件，约445.58MB，涵盖71个Python脚本、38个YAML配置、166个XML标注、95个TXT标签及93张PNG、23张JPG图像，另含PT权重、ONNX模型、CUDA与C++源码及Dockerfile等，覆盖数据、训练、推理与部署全链路。已有1815人学习下载。资源围绕数据预处理、配置文件修改、训练流程、旋转框损失计算、模型评估与可视化、微调优化及ONNX/TensorRT部署等关键环节展开，提供可运行的完整示例，便于读者结合自有数据集实践OBB训练，深入理解旋转目标检测技术。

1. YOLOv5 OBB 旋转框训练：从水平框到带角度的检测，值不值得上手

如果你之前只用 YOLOv5 跑过水平框检测，第一次接触 OBB（Oriented Bounding Box，旋转框）大概率会有一个疑问：明明水平框已经能框住目标了，为什么还要多此一举加个角度？答案藏在场景里。遥感影像里的飞机、舰船，工业质检里的 PCB 板、文字行，密集排列且长宽比悬殊，水平框会把大量背景卷进来，NMS 阶段互相压制，漏检和误检同时飙升。旋转框多出来的那个角度参数，解决的正是「框得准」这件事。

YOLOv5 OBB 训练 demo 要做的，就是把这套带角度的检测流程跑通：数据标注格式怎么定、角度怎么定义、损失函数怎么改、训练脚本怎么配、推理时旋转框怎么画出来。它适合已经跑通过 YOLOv5 水平框、手里有带方向目标数据集的从业者，也适合做遥感、工业视觉、文档分析方向、想快速验证旋转框方案是否值得投入的工程师。这篇笔记按「先立住原理、再动手复现、最后讲坑」的顺序展开，中间给可直接抄的命令和配置，参数含义和失败排查都写清楚。

2. 旋转框的数据表示与角度定义：先把标注格式这件事定死

2.1 为什么水平框在密集场景会翻车

水平框用(x_center, y_center, width, height)四个量描述一个目标，前提是目标的主轴和图像坐标轴大致平行。一旦目标倾斜，比如遥感图里停放的飞机呈 45 度排列，水平框的最小外接矩形面积会远大于目标本身。两个相邻飞机的水平框大面积重叠，NMS 的 IoU 阈值一卡，其中一个就被抑制掉，这就是密集场景漏检的直接来源。

旋转框在四参数基础上引入角度 θ，变成(x_center, y_center, width, height, angle)五参数。框可以贴着目标主轴旋转，重叠面积大幅下降，NMS 不再误杀。代价是角度本身有周期性，θ 和 θ+180° 表示同一条轴线，θ 和 θ+90° 在宽高互换后也等价，这个周期性是后面损失设计和数据增强里最容易踩坑的地方。

2.2 三种角度定义，选错一个全盘皆输

业界常见的角度定义有三类，训练前必须和标注工具、损失函数、后处理统一：

我一般会统一到「长边定义、范围[-90, 90)」，因为它在宽高互换时角度变化连续，做数据增强旋转时不容易跳变。标注工具导出后第一件事就是写脚本把角度归一化到这个区间，别指望训练代码帮你兜底。

2.3 标注格式转换：从 DOTA 到 YOLOv5 OBB 的脚本

DOTA 数据集用(x1,y1,x2,y2,x3,y3,x4,y4) class difficult的八点格式，YOLOv5 OBB 训练通常要转成归一化的五参数。下面这个脚本做转换，同时把角度归一到长边定义：

import numpy as np import cv2 def poly_to_obb(points): """八点坐标 -> (cx, cy, w, h, angle)，长边定义，角度范围 [-90, 90)""" pts = np.array(points, dtype=np.float32).reshape(4, 2) rect = cv2.minAreaRect(pts) # 返回 ((cx,cy),(w,h),angle) (cx, cy), (w, h), angle = rect # OpenCV 的 angle 在 [-90,0)，转成长边定义 if w < h: w, h = h, w angle += 90 if angle >= 90: angle -= 180 if angle < -90: angle += 180 return cx, cy, w, h, angle def convert_line(line, img_w, img_h): parts = line.strip().split() coords = list(map(float, parts[:8])) cls = int(parts[8]) cx, cy, w, h, angle = poly_to_obb(coords) # 归一化到 [0,1]，角度归一化到 [0,1) 便于回归 return f"{cls} {cx/img_w:.6f} {cy/img_h:.6f} " \ f"{w/img_w:.6f} {h/img_h:.6f} {(angle+90)/180:.6f}"

逻辑说明：cv2.minAreaRect返回的角度在 OpenCV 4.5 之后是[-90, 0)，且宽高顺序不保证长边在前，所以先判断w < h交换并补 90 度，再统一折到[-90, 90)。归一化时把角度映射到[0,1)，是为了让回归头和宽高一样用 sigmoid 输出，避免角度回归的数值范围过大导致梯度不稳。

参数说明：img_w、img_h是原图尺寸，必须和标注时的图像一致；cls是类别索引，从 0 开始。转换完务必抽查几张，用可视化脚本把旋转框画回原图，确认角度方向没反。

提示：转换脚本跑完先别急着训练，随机抽 20 张画框核对，角度反了或宽高互换在训练 loss 上表现为「一直降不下去」，排查成本很高。

3. YOLOv5 OBB 训练环境搭建与配置：把 demo 跑起来的最小闭环

3.1 环境依赖与版本选择

YOLOv5 OBB 不是官方主干直接支持的，常见做法是基于 YOLOv5 仓库改检测头，或者用已经集成 OBB 的分支。环境上我一般锁这几个版本，避免依赖打架：

conda create -n yolo_obb python=3.8 -y conda activate yolo_obb pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 \ --extra-index-url https://download.pytorch.org/whl/cu113 pip install opencv-python==4.5.5.64 numpy==1.23.5 \ pyyaml tqdm matplotlib scipy

逻辑说明：PyTorch 1.12 配 cu113 是经过验证比较稳的组合，OpenCV 锁 4.5.5 是因为minAreaRect的角度返回规则在 4.5 前后有变化，锁版本能保证标注转换和训练时角度定义一致。numpy 不要装 2.x，部分老代码用了np.float会直接报错。

参数说明：CUDA 版本按你显卡驱动来，30 系卡用 cu113 或 cu116 都行；如果只有 CPU，把+cu113去掉，但旋转框训练 CPU 上会慢到无法接受，不建议。

3.2 数据集目录结构与 yaml 配置

YOLOv5 的数据配置沿用 yaml 风格，OBB 版本多一个角度相关的开关。目录结构建议这样组织：

datasets/ obb_data/ images/ train/ val/ labels/ train/ val/ obb_data.yaml

obb_data.yaml内容：

path: ./datasets/obb_data train: images/train val: images/val nc: 5 names: ['plane', 'ship', 'vehicle', 'storage-tank', 'harbor'] # OBB 专用 use_obb: true angle_range: 90 # 对应 [-90, 90) 长边定义 angle_loss: smooth_l1 # 可选 smooth_l1 / kld

逻辑说明：use_obb控制检测头是否输出第五个角度分量；angle_range告诉损失函数角度的周期，回归时做归一化用；angle_loss选smooth_l1是最简单的直接回归，选kld是高斯分布建模，密集场景更稳但收敛慢。

参数说明：nc和names必须和标注类别严格对应，顺序错了训练不报错但结果全乱。path用相对路径时注意从训练脚本所在目录解析。

3.3 训练命令与关键超参

最小可跑的训练命令：

python train.py \ --data datasets/obb_data/obb_data.yaml \ --cfg models/yolov5s_obb.yaml \ --weights yolov5s.pt \ --epochs 100 \ --batch-size 8 \ --img-size 1024 \ --hyp data/hyps/hyp.obb.yaml \ --name obb_demo

逻辑说明：--cfg指向改了检测头的模型结构，输出通道从(nc+5)变成(nc+6)，多一个角度；--weights用水平框预训练权重做迁移，主干特征能复用，收敛快很多；--img-size旋转框场景通常比水平框大，因为小目标倾斜后更难回归。

参数说明：--batch-size受显存限制，1024 尺寸下 8 是 12G 显存的常见值，爆显存就降到 4 并开--accumulate；--hyp里重点调box、cls、angle三项损失权重，角度权重初始别超过 0.5，否则前期角度回归主导，框位置学不好。

注意：从水平框权重迁移时，检测头最后那层卷积尺寸对不上，代码里要处理成「加载时跳过 shape 不匹配的层」，否则直接报错。常见做法是load_state_dict(strict=False)并打印跳过的层名核对。

4. 旋转框损失与后处理：角度回归为什么总是不收敛

4.1 角度回归的周期性陷阱

角度回归最反直觉的地方在于：模型预测 89 度，真值 -89 度，数值上差了 178，但几何上只差 2 度。如果直接用 L1 或 L2 算，loss 会给出一个巨大的惩罚，梯度把网络往错误方向拽。这就是很多人遇到的「loss 震荡不下降」的根因。

常见解法有三种：一是把角度转成(sin, cos)两个分量回归，天然消除周期性；二是用 KLD（Kullback-Leibler Divergence）把旋转框建模成高斯分布，用分布距离代替角度差；三是直接回归但做角度归一化，把差值折到[-90, 90)再算 loss。我一般先用第三种快速验证，效果不够再上 KLD。

import torch def angle_loss(pred, target): """pred/target 均为归一化到 [0,1) 的角度""" diff = pred - target # 折到 [-0.5, 0.5)，对应 [-90, 90) diff = diff - torch.round(diff) return torch.abs(diff).mean()

逻辑说明：torch.round(diff)把差值折到最近的整数周期，diff - round(diff)得到[-0.5, 0.5)区间内的最小角度差，再取绝对值求均值。这样 89 度和 -89 度的差会被正确算成 2 度对应的归一化值。

参数说明：输入必须是归一化角度，如果原始角度是[-90, 90)，先做(angle+90)/180。这个 loss 简单但对密集场景的边界框不够鲁棒，作为 baseline 够用。

4.2 旋转 NMS 的实现要点

水平框 NMS 用轴对齐 IoU，旋转框必须换成旋转 IoU，否则重叠判断全错。OpenCV 的cv2.rotatedRectangleIntersection能算两个旋转框的交集多边形，再除以并集面积：

import cv2 import numpy as np def rotated_iou(box1, box2): """box: (cx, cy, w, h, angle_deg)""" r1 = ((box1[0], box1[1]), (box1[2], box1[3]), box1[4]) r2 = ((box2[0], box2[1]), (box2[2], box2[3]), box2[4]) inter, _ = cv2.rotatedRectangleIntersection(r1, r2) if inter is None: return 0.0 inter_area = cv2.contourArea(inter) area1 = box1[2] * box1[3] area2 = box2[2] * box2[3] return inter_area / (area1 + area2 - inter_area + 1e-7)

逻辑说明：rotatedRectangleIntersection返回交集多边形的顶点，用contourArea算面积。并集面积等于两个框面积之和减交集。加1e-7防止除零。

参数说明：角度单位是度，和minAreaRect输出一致；如果训练时角度归一化了，后处理要先反归一化回[-90, 90)再传进来。旋转 NMS 比水平 NMS 慢不少，推理时如果类别多，先按类别分组再各自 NMS。

4.3 训练监控：看哪些指标判断是否正常

水平框训练看box_loss、obj_loss、cls_loss三条曲线，OBB 多一条angle_loss。正常收敛的表现是：前 10 个 epochbox_loss快速下降，angle_loss缓慢下降但不震荡；如果angle_loss上下大幅跳动，八成是角度定义没统一或归一化漏了。

验证阶段重点看mAP@0.5和旋转框可视化。我习惯每 10 个 epoch 存一次预测图，肉眼扫一遍，比盯数字更快发现问题。如果预测框位置对但角度全反，检查标注转换时的角度方向；如果框大小对但中心偏移，检查归一化用的图像尺寸是否和实际一致。

5. 旋转框训练避坑清单：五个让我返工的血泪经验

5.1 现象：loss 从第一个 epoch 就不降，一直卡在高位

原因：角度定义在标注转换和损失函数之间不一致，比如标注用 OpenCV 的[-90,0)，损失按[-90,90)处理，角度差被系统性放大。解决：在数据集加载后加一段断言，打印前 10 个样本的角度范围，确认落在预期区间；统一用长边定义并在 yaml 里显式写angle_range。

5.2 现象：训练正常，推理时旋转框画出来是歪的

原因：后处理画框时角度单位或方向搞错，常见的是把弧度当度用，或者cv2.boxPoints传入的角度顺序和训练时相反。解决：写一个最小可视化脚本，用已知角度的合成框测试boxPoints输出，确认 0 度、45 度、90 度三个case画出来符合预期，再接到推理流程里。

5.3 现象：密集小目标漏检严重，mAP 比水平框还低

原因：旋转 NMS 的 IoU 阈值沿用了水平框的 0.5，旋转框重叠面积本来就小，阈值偏高会误抑制。解决：把旋转 NMS 阈值降到 0.3 到 0.4 之间试，同时检查angle_loss权重是否过大导致框位置回归不足。密集场景建议直接上 KLD 损失。

5.4 现象：数据增强后角度标签错乱

原因：用了水平框的 mosaic、随机旋转增强，旋转图像时没有同步更新角度标签。解决：旋转增强必须同步改角度，公式是new_angle = old_angle + rotation_angle，再折回[-90,90)；mosaic 拼接时每个子图的角度保持不变，但中心坐标要按拼接偏移重算。不确定就先把旋转增强关掉，跑通 baseline 再逐个开。

5.5 现象：显存爆掉，batch 降到 1 还 OOM

原因：旋转 IoU 计算在训练中如果放在 GPU 上逐对算，中间张量巨大；或者img-size设太大。解决：训练时的正负样本分配用近似 IoU，精确旋转 IoU 只在后处理用；img-size从 640 起步，确认流程通了再往上加。显存实在紧张就开混合精度--amp。

6. 进阶技巧：用 KLD 损失和角度预筛选把 mAP 再抬一截

直接回归角度在简单场景够用，但目标长宽比大、排列密集时，边界处角度误差会被放大。我后来固定用 KLD 损失替代 smooth_l1，思路是把旋转框(cx, cy, w, h, angle)建模成二维高斯分布，均值和协方差由这五个量决定，两个框的相似度用两个高斯分布的 KLD 衡量。这样角度和宽高耦合在一起优化，边界处的跳变被平滑掉。

实现上不用自己推公式，核心是把框参数转成高斯分布的(μ, Σ)：

import torch def obb_to_gaussian(cx, cy, w, h, angle_rad): """把旋转框转成高斯分布的均值与协方差""" cos, sin = torch.cos(angle_rad), torch.sin(angle_rad) # 旋转后的协方差 R = torch.stack([torch.stack([cos, -sin], -1), torch.stack([sin, cos], -1)], -2) S = torch.diag_embed(torch.stack([w**2 / 12, h**2 / 12], -1)) Sigma = R @ S @ R.transpose(-1, -2) mu = torch.stack([cx, cy], -1) return mu, Sigma

逻辑说明：w²/12和h²/12是把矩形框均匀分布近似成高斯时的方差，旋转矩阵R把轴对齐的方差转到目标方向。得到两组(μ, Σ)后，KLD 有闭式解，直接调用即可，不用采样。

参数说明：angle_rad是弧度，训练时角度归一化后要乘 π 还原；w、h用归一化值还是像素值要统一，建议用归一化值避免尺度影响。KLD 损失权重初始设 0.2 左右，和 box loss 一起观察。

另一个提速技巧是角度预筛选：推理时先用水平框 NMS 粗筛，把候选框从几千降到几百，再对剩下的算旋转 IoU 精筛。这样旋转 IoU 的调用次数下降一个量级，实测在 1024 尺寸、单卡上推理速度能快 40% 左右，mAP 损失不到 0.5 个点。代价是水平框粗筛可能漏掉极端倾斜的目标，如果数据集里这类目标占比高，就把粗筛阈值放宽。

验证这套改动是否有效，别只看最终 mAP。我习惯固定随机种子跑三次，看 mAP 的均值和方差，方差大的方案说明对初始化敏感，上线风险高。另外把角度误差单独统计出来，画成直方图，如果误差集中在 0 度附近说明回归正常，如果双峰分布说明角度周期性没处理好。

这些都是我踩过坑之后固定下来的习惯：先统一角度定义再动代码，先跑通最小闭环再加增强，先看可视化再信指标。旋转框训练不难，难的是每个环节的角度定义都对得上。希望帮到你。

本文还有配套的精品资源，点击获取