YOLOv8 OBB介紹

YOLOv8框架在在支持分類、對象檢測、實例分割、姿態評估的基礎上更近一步，現已經支持旋轉對象檢測（OBB），基于DOTA數據集，支持航拍圖像的15個類別對象檢測，包括車輛、船只、典型各種場地等。包含2800多張圖像、18W個實例對象。

YOLO OBB標注數據格式，主要是類別與四個角點歸一化到0～1之間的坐標，格式表示如下：

class_index, x1, y1, x2, y2, x3, y3, x4, y4

導出與預測

基于YOLOv8命令行推理測試：

## 導出
yolo export model=yolov8s-obb.pt format=onnx
##推理
yolo obb predict model=yolov8n-obb.pt source=plane_03.jpg

ONNX推理代碼演示

基于OpenVINO2023與ONNX格式模型直接預測推理，首先看一下ONNX格式的YOLOv8-OBB輸入與輸出格式：

旋轉對象檢測-代碼演示

class_list=load_classes()
colors=[(255,255,0),(0,255,0),(0,255,255),(255,0,0)]

ie=Core()
fordeviceinie.available_devices:
print(device)

#ReadIR
model=ie.read_model(model="yolov8s-obb.onnx")
compiled_model=ie.compile_model(model=model,device_name="CPU")
output_layer=compiled_model.output(0)

##xywhr
frame=cv.imread("D:/wh860.jpg")
#frame=cv.imread("wh300.jpg")
#frame=cv.imread("obb_01.jpeg")
bgr=format_yolov8(frame)
img_h,img_w,img_c=bgr.shape

start=time.time()
image=cv.dnn.blobFromImage(bgr,1/255.0,(1024,1024),swapRB=True,crop=False)

res=compiled_model([image])[output_layer]#1x25x8400
rows=np.squeeze(res,0).T
boxes,confidences,angles,class_ids=post_process(rows)

indexes=cv.dnn.NMSBoxes(boxes,confidences,0.25,0.45)
M=np.zeros((2,3),dtype=np.float32)
forindexinindexes:
box=boxes[index]
d1=-angles[index]
color=colors[int(class_ids[index])%len(colors)]
pts=[(box[0],box[1]),(box[0]+box[2],box[1]),(box[0]+box[2],box[1]+box[3]),(box[0],box[1]+box[3])]
rrt_pts=get_rotate_point(pts,M,d1,box)
cv.drawContours(frame,[np.asarray(rrt_pts).astype(np.int32)],0,(255,0,255),2)
cv.rectangle(frame,(box[0],box[1]-20),(box[0]+box[2],box[1]),color,-1)
cv.putText(frame,class_list[class_ids[index]],(box[0],box[1]-8),cv.FONT_HERSHEY_SIMPLEX,.5,(255,255,255))

end=time.time()
inf_end=end-start
fps=1/inf_end
fps_label="FPS:%.2f"%fps
cv.putText(frame,fps_label,(20,45),cv.FONT_HERSHEY_SIMPLEX,1,(0,0,255),2)

cv.imshow("YOLOv8-obb+OpenVINO2023.xObjectDetection",frame)
cv.imwrite("D:/wk_result.jpg",frame)
cv.waitKey(0)
cv.destroyAllWindows()

審核編輯：湯梓紅