YOLOv8训练DOTAv2数据集（官网代码/数据集转换/2024.1.2）

目的

由于项目里面需要用到机载的旋转目标检测（Oriented Bounding Box, OBB）,本来想在yolov8上面直接加obb检测相关的模块，没想到官方更新了DOTAv2数据的yaml文件，意味着v8已经支持了obb检测，但是现在版本还不是很完善，遂记录一下在这里面的一些坑。

安装YOLOv8

可供参考的官网地址：https://docs.ultralytics.com/zh/modes/
官方支持用pip、conda、gitclone、Docker4种方法安装，需要注意的是在当前（2024.1.2）使用pip安装是不包含obb检测的，只能去git上面clone一下代码：

   克隆ultralytics仓库
 git clone https://github.com/ultralytics/ultralytics

  导航到克隆的目录
 cd ultralytics

   为开发安装可编辑模式下的包
   pip install -e .

将DOTAv2的数据集装换成YOLOv8可以训练的模式

v8用起来爽的地方就是无脑用，官方已经更新了一个英文版教程，参考：https://docs.ultralytics.com/datasets/obb/#yolo-obb-format
这个过程中间其实还有挺多问题的，这里也记录一下：

1. obb检测方法里面旋转框的表示方法有好几种，v8这里使用的是

   class_index, x1, y1, x2, y2, x3, y3, x4, y4（需要做归一化）
   示例：0 0.780811 0.743961 0.782371 0.74686 0.777691 0.752174 0.776131 0.749758

   要用自己数据的小伙伴们记得把数据转成这个格式。

2. 把DOTAv2数据集转成YOLOv8可训练的模式
   官方已经写好了代码：

from ultralytics.data.converter import convert_dota_to_yolo_obb

convert_dota_to_yolo_obb('path/to/DOTA')

记得要自己新建一个py文件，然后把path改成指向DOTAv2数据集的地址。

DOTAv2数据集准备的形式：

 Notes:
        The directory structure assumed for the DOTA dataset:
            - DOTA
                ├─ images
                │   ├─ train
                │   └─ val
                └─ labels
                    ├─ train_original
                    └─ val_original

        After execution, the function will organize the labels into:
            - DOTA
                └─ labels
                    ├─ train
                    └─ val

注意：DOTA数据集有3个版本，需要用v2的标注（1和1.5第一二行都是图片来源介绍，会有bug）

准备好数据和模型之后就可以直接开始训练了，参考代码：

yolo detect train data=DOTAv2.yaml model=yolov8n.pt epochs=100 imgsz=640

单卡3090ti训不动的，我把batch改成了4（好卡都给学生了哈哈哈哈）

有一个该看但是我还没看的地方是关于DOTA数据集里图像裁切的问题，我看DOTA数据集提供的toolkit里面自带了这个功能，但是v8有没有集成暂时还没有去细究