x1,y1为左上角的坐标，然后顺时针排列4个坐标

3.1 roLabelImg 打标签

roLabelImg工具算是labelme的进阶版吧，它能把矩形框进行旋转，制作旋转目标的标签。操作时：A键 D键 Z键 X键 C键 V键 这几个常用快捷键用得多点
生成的xml标签文件如下：

其中相比普通的标签文件多了一个角度信息（angle），后续转为DOTA的标签时就是利用了该角度（这里强烈建议先看大佬的文章：旋转框的转换问题），所以在用roLabelImg打标签时一定要注意三点：（1）roLabelImg中本身的角度是以框的w边 与x轴顺时针之间所形成的夹角为正角（2）旋转框的w边（初始水平边）始终旋转到与目标的长边重合（3）打标签时保证angle在[-90°，90°]间，。这种标注法原项目叫做“长边标注法”(le90)，具体见下图：

至此，生成的目录结构如下：

3.2 生成DOTA数据集格式的标签

利用上一步中xml标签 转换为DOTA的标签，转换的代码(只需要给定3个路径参数就可以运行了)：

import osimport xml.etree.ElementTree as ETimport mathimport cv2 as cvdef voc_to_dota(xml_dir, xml_name, img_dir, savedImg_dir):    txt_name = xml_name[:-4] + '.txt'   # txt文件名字：去掉xml 加上.txt    txt_path = xml_dir + '/txt_label'  # txt文件目录：在xml目录下创建的txtl_label文件夹    if not os.path.exists(txt_path):        os.makedirs(txt_path)    txt_file = os.path.join(txt_path, txt_name) # txt完整的含名文件路径    img_name = xml_name[:-4] + '.jpg'          # 图像名字    img_path = os.path.join(img_dir, img_name) # 图像完整路径    img = cv.imread(img_path)                  # 读取图像    xml_file = os.path.join(xml_dir, xml_name)     tree = ET.parse(os.path.join(xml_file))    # 解析xml文件 然后转换为DOTA格式文件    root = tree.getroot()        with open(txt_file, "w+", encoding='UTF-8') as out_file:        # out_file.write('imagesource:null' + '\n' + 'gsd:null' + '\n')        for obj in root.findall('object'):            name = obj.find('name').text            difficult = obj.find('difficult').text            # print(name, difficult)            robndbox = obj.find('robndbox')            cx = float(robndbox.find('cx').text)            cy = float(robndbox.find('cy').text)            w = float(robndbox.find('w').text)            h = float(robndbox.find('h').text)            angle = float(robndbox.find('angle').text)            # print(cx, cy, w, h, angle)            p0x, p0y = rotatePoint(cx, cy, cx - w / 2, cy - h / 2, -angle)            p1x, p1y = rotatePoint(cx, cy, cx + w / 2, cy - h / 2, -angle)            p2x, p2y = rotatePoint(cx, cy, cx + w / 2, cy + h / 2, -angle)            p3x, p3y = rotatePoint(cx, cy, cx - w / 2, cy + h / 2, -angle)            # 找最左上角的点            dict = {p0y:p0x, p1y:p1x, p2y:p2x, p3y:p3x }            list = find_topLeftPopint(dict)            #print((list))            if list[0] == p0x:                list_xy = [p0x, p0y, p1x, p1y, p2x, p2y, p3x, p3y]            elif list[0] == p1x:                list_xy = [p1x, p1y, p2x, p2y, p3x, p3y, p0x, p0y]            elif list[0] == p2x:                list_xy = [p2x, p2y, p3x, p3y, p0x, p0y, p1x, p1y]            else:                list_xy = [p3x, p3y, p0x, p0y, p1x, p1y, p2x, p2y]            # 在原图上画矩形 看是否转换正确            cv.line(img, (int(list_xy[0]), int(list_xy[1])), (int(list_xy[2]), int(list_xy[3])), color=(255, 0, 0), thickness= 3)            cv.line(img, (int(list_xy[2]), int(list_xy[3])), (int(list_xy[4]), int(list_xy[5])), color=(0, 255, 0), thickness= 3)            cv.line(img, (int(list_xy[4]), int(list_xy[5])), (int(list_xy[6]), int(list_xy[7])), color=(0, 0, 255), thickness= 2)            cv.line(img, (int(list_xy[6]), int(list_xy[7])), (int(list_xy[0]), int(list_xy[1])), color=(255, 255, 0), thickness= 2)            data = str(list_xy[0]) + " " + str(list_xy[1]) + " " + str(list_xy[2]) + " " + str(list_xy[3]) + " " + \                   str(list_xy[4]) + " " + str(list_xy[5]) + " " + str(list_xy[6]) + " " + str(list_xy[7]) + " "            data = data + name + " " + difficult + "\n"            out_file.write(data)        if not os.path.exists(savedImg_dir):            os.makedirs(savedImg_dir)        out_img = os.path.join(savedImg_dir, xml_name[:-4]+'.jpg')        cv.imwrite(out_img, img)def find_topLeftPopint(dict):    dict_keys = sorted(dict.keys())  # y值    temp = [dict[dict_keys[0]], dict[dict_keys[1]]]    minx = min(temp)    if minx == temp[0]:        miny = dict_keys[0]    else:        miny = dict_keys[1]    return [minx, miny]# 转换成四点坐标def rotatePoint(xc, yc, xp, yp, theta):    xoff = xp - xc    yoff = yp - yc    cosTheta = math.cos(theta)    sinTheta = math.sin(theta)    pResx = cosTheta * xoff + sinTheta * yoff    pResy = - sinTheta * xoff + cosTheta * yoff    # pRes = (xc + pResx, yc + pResy)    # 保留一位小数点    return float(fORMat(xc + pResx, '.1f')), float(format(yc + pResy, '.1f'))    # return xc + pResx, yc + pResyimport argparsedef parse_args():    parser = argparse.ArgumentParser(description='数据格式转换')    parser.add_argument('--xml-dir', default='./buildings/train/label', help='original xml file dictionary')    parser.add_argument('--img-dir', default='./buildings/train', help='original image dictionary')    parser.add_argument('--outputImg-dir', default='./buildings/train/out', help='saved image dictionary after dealing ')    args = parser.parse_args()    return argsif __name__ == '__main__':    args = parse_args()    xml_path = args.xml_dir    xmlFile_list = os.listdir(xml_path)    print(xmlFile_list)    for i in range(0, len(xmlFile_list)):        if ('.xml' in xmlFile_list[i]) or ('.XML' in xmlFile_list[i]):            voc_to_dota(xml_path, xmlFile_list[i], args.img_dir, args.outputImg_dir)            print('----------------------------------------{}{}----------------------------------------'                  .format(xmlFile_list[i], ' has Done!'))        else:            print(xmlFile_list[i] + ' is not xml file')            

其中转换的原理就是基于大佬的知乎文章中转换矩阵，生成的DOTA标签格式如下：

目前所得到文件夹结构如下：

images: 存放的.jpg图像（我只有200张）
xml: rolabelImg打的标签(这时已没啥用了，可删除)
txt_Label: 生成的DOTA标签

然后将上述数据集分成 train、test、val 、trainval等几部分以便于训练，其中每个部分的文件夹下都包含有 images(图像) 和 labels(对应的txt标签)
我这里是手动划分的：train 80%，test 10%，val 10%。

3.3 数据集裁剪（split）

然后将得到的 train、test、val 中的图片进行裁剪，裁剪的原因 是由于我的图像是1920×1080的矩形，而且也不是png格式的，所以找到：mmrotate-main/tools/data/dota/split/ 路径下img_split.py文件(裁剪脚本) 以及 mmrotate-main/tools/data/dota/split/split_configs/ 路径下的配置文件，其文件内容就是img_split.py的配置信息，我们需要修改其中的参数，让其加载上述的train、test、val中的图像及标签，并进行裁剪。
…
修改好上述几个关键的参数之后，即可运行img_split.py进行裁剪了：

python mmrotate-main/tools/data/dota/split/img_split.py --base_JSON mmrotate-main/tools/data/dota/split/split_configs/ss_train.json

其他 test、val、trainval数据集的裁剪同理，只需修改 - -base_json参数为对应的配置文件即可。
裁剪的结果：

4.修改配置文件

数据集准备好之后，接下来，需要修改训练相关的配置信息：主要就是 tools/tain.py 中的相关参数修改，train.py文件如下：

两个主要的参数： - -config: 使用的模型文件 （我使用的是 faster rcnn) ； - -work-dir：训练得到的模型及配置信息保存的路径

由于使用的模型是：rotated_faster_rcnn_r50_fpn_x1_dota_le90.py，在该文件中实现了：训练相关参数的配置，数据集信息的配置，以及faster-rcnn网络架构的搭建；打开该文件修改其中的目标类别数为自己数据集的类别数，我的类别为1， 所以修改：num_classes = 1,

同时，修改 mmrotate-main/mmrotate/datasets/dota.py 文件中的类别名字（CLASSES）， 具体如下：

最后，修改训练使用的数据集路径：找到并打开 mmrotate-main/configs/base/datasets/dotav1.py 文件，修改其中的 data_root 路径为自己裁剪的数据集路径，该路径包含了上述划分的train、test、val、trainval数据集，另外，dotav1.py文件中data下的train、val、test三个对象分别就是利用上述路径下对应类别的数据集，网络加载数据也是通过这三个对象中的路径去加载的，所以我们自己划分的数据集实质上只用到了：train数据集、trainval数据集、test数据集。（因为我有其他训练任务所以划分了4个），综上所述，数据集的划分完全可以根据这三个对象路径来划分就行，并不一定要和本文的一样，保证数据能正常加载训练即可。

5.训练并测试

一切准备就绪后 即可开始愉快的训练了！！！执行：

python tools/train.py

训练结果：

保存训练的结果在 run 目录下：

1 学习率，batch，num-worker，epoch，优化函数等 都是在configs/base/下的文件内去修改
2 如果遇到 Cuda out of memory错误：可将 mmrotate-main/configs/base/datasets/dotav1.py文件中的samples_per_gpu 和 workers_per_gpu 改小一点。

测试效果：

6 公开数据集及对应代码下载网址

比较全面的数据集网站： 根据关键词搜索基本上都能找到相关的数据集

参考博客

AI目标检测：VOC格式数据集转换为DOTA类型数据集

使用MMrotate的Kfiou进行身份证分割