用mmrotate训练hrsc2016数据集

### 使用 mmrotate 框架训练 HRSC2016 数据集 #### 准备工作环境 为了使用 `mmrotate` 训练 HRSC2016 数据集，需先安装并配置好开发环境。确保已按照官方文档说明完成了必要的软件包和依赖项的安装[^3]。 #### 下载与准备数据集 HRSC2016 是一个用于目标检测的数据集，特别是针对旋转框的目标检测。下载该数据集后，应将其解压到指定目录，并根据 `mmrotate` 的需求调整其结构。通常情况下，数据集应当被放置于项目根目录下的 `data/hrsc2016/` 文件夹内[^2]： ```plaintext mmrotate/ ├── configs/ ├── tools/ └── data/ └── hrsc2016/ ├── images/ │ ├── trainval/ │ └── test/ └── annotations/ ├── trainval.pkl └── test.pkl ``` #### 配置文件修改 创建一个新的配置文件或复制现有的模板作为基础，在此配置文件中指明使用的模型架构以及具体参数设定。对于 HRSC2016 这样的特定场景应用，可能需要微调某些预设值来适应实际状况。例如，可以参照如下方式编辑 `_base_/datasets/hrsc.py` 中的相关字段[^1]: ```python dataset_type = 'HRSCDataset' data_root = 'data/hrsc2016/' img_norm_cfg = dict( mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True) train_pipeline = [ ... ] test_pipeline = [ ... ] data = dict( samples_per_gpu=2, workers_per_gpu=2, train=dict( type='RepeatDataset', times=3, dataset=dict( type=dataset_type, ann_file=data_root + 'annotations/trainval.pkl', img_prefix=data_root + 'images/trainval/', pipeline=train_pipeline)), val=dict( type=dataset_type, ann_file=data_root + 'annotations/test.pkl', img_prefix=data_root + 'images/test/', pipeline=test_pipeline), test=dict( type=dataset_type, ann_file=data_root + 'annotations/test.pkl', img_prefix=data_root + 'images/test/', pipeline=test_pipeline)) ``` 注意这里设置了重复次数 (`times`) 和批次大小 (`samples_per_gpu`) 等重要参数，这些可以根据硬件条件和个人偏好适当调整[^4]。 #### 开始训练过程 一切就绪之后，可以通过命令行启动训练流程。假设已经编写好了合适的 Python 脚本来执行这一操作，则可以直接通过终端输入相应指令来进行训练: ```bash python tools/train.py ${CONFIG_FILE} --work-dir=${WORK_DIR} ``` 其中 `${CONFIG_FILE}` 表示之前提到过的配置文件路径；`${WORK_DIR}` 则是用来保存日志、权重等中间产物的工作空间位置。