用于旋转目标检测的自适应旋转卷积 (ICCV 2023)

作者：Yifan Pu*、Yiru Wang*、Zhuofan Xia、Yizeng Han、Yulin Wang、Weihao Gan、Zidong Wang、Shiji Song、Gao Huang#。

*: 同等贡献，#: 通讯作者。

简介

这是论文《用于旋转目标检测的自适应旋转卷积》(ICCV 2023)的官方实现。本文提出了一种新颖的自适应旋转卷积操作，用于捕捉图像中物体的方向信息。它提高了旋转目标检测器的性能，并在旋转目标检测场景中实现了高效率。

动机

旋转卷积核

整体方法

开始使用

(1) 准备环境

# 创建环境
conda create -n arc python=3.7 -y
conda activate arc

# 安装pytorch和torchvision
pip install torch==1.7.0+cu110 torchvision==0.8.1+cu110 -f https://download.pytorch.org/whl/torch_stable.html

# 克隆此代码库，包括子模块
git clone https://github.com/LeapLabTHU/ARC.git --recursive

# 安装子模块
cd BboxToolkit
pip install -v -e .
cd ..

# 安装mmcv
pip install mmcv-full==1.3.9 -f https://download.openmmlab.com/mmcv/dist/cu110/torch1.7.0/index.html

# 安装其他依赖
pip install -r requirements/build.txt
pip install mmpycocotools
pip install einops

# 安装此代码库
pip install -v -e .

(2) 准备数据

从官方网站下载DOTA数据集，修改./BboxToolkit/tools/split_configs/dota1_0/ss_trainval.json和./BboxToolkit/tools/split_configs/dota1_0/ss_test.json中的目录，然后运行以下脚本

cd ./BboxToolkit/tools/
python img_split.py --base_json split_configs/dota1_0/ss_trainval.json
python img_split.py --base_json split_configs/dota1_0/ss_test.json

(3) 下载预训练的骨干网络

从清华云盘或谷歌云盘下载预训练的ARC-ResNet，然后将其放在./pretrained/中。

(4) 更改数据路径

在文件./configs/obb/base/datasets/dota.py中，将data_root后面的数据路径更改为YOUR_DATA_PATH。

使用方法

训练

# 使用ARC-ResNet50骨干网络训练Oriented R-CNN模型
python tools/train.py configs/obb/arc/arc_orcnn_r50fpn1x_ss_dota10_RxFFF_n4.py;

# 使用ARC-ResNet101骨干网络训练Oriented R-CNN模型
python tools/train.py configs/obb/arc/arc_orcnn_r101fpn1x_ss_dota10_RxFFF_n4.py;

测试

python tools/test.py configs/obb/arc/arc_orcnn_r50fpn1x_ss_dota10_RxFFF_n4.py \
YOUR_CHECKPOINT_PATH --format-only --options save_dir=YOUR_SAVE_DIR;

python tools/test.py configs/obb/arc/arc_orcnn_r101fpn1x_ss_dota10_RxFFF_n4.py \
YOUR_CHECKPOINT_PATH --format-only --options save_dir=YOUR_SAVE_DIR;

我们提供了如下所列的预训练模型。

检测器	骨干网络	框AP<br />(论文中)	框AP<br />(本仓库)	预训练模型
Oriented R-CNN	ARC-ResNet50	77.35	77.42	清华云盘 / 谷歌云盘
Oriented R-CNN	ARC-ResNet101	77.70	77.75	清华云盘 / 谷歌云盘

致谢

本代码是基于OBBDetection开发的，我们感谢他们高效且整洁的代码库。

引用

如果您发现我们的工作对您的研究有用，请考虑引用：

@InProceedings{pu2023adaptive,
  title     = {Adaptive Rotated Convolution for Rotated Object Detection},
  author    = {Pu, Yifan and Wang, Yiru and Xia, Zhuofan and Han, Yizeng and Wang, Yulin and Gan, Weihao and Wang, Zidong and Song, Shiji and Huang, Gao},
  booktitle = {Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV)},
  year      = {2023}
}