# 基于高分辨率遥感可见光数据的细粒度密集船只目标检测任务

**Repository Path**: mlcncs/ship

## Basic Information

- **Project Name**: 基于高分辨率遥感可见光数据的细粒度密集船只目标检测任务
- **Description**: 基于高分辨率遥感可见光数据的细粒度密集船只目标检测任务
baseline
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 7
- **Forks**: 2
- **Created**: 2023-05-16
- **Last Updated**: 2024-04-10

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于高分辨率遥感可见光数据的细粒度密集船只目标检测任务
## 比赛网址
```
https://www.datafountain.cn/competitions/635/ranking
```
## 方案简介
本方案使用PaddleDetection内置的`ppyoloer`斜框检测模型，提交得分为0.93001975232
## 运行方式
### 克隆项目
1. 克隆本项目
2. 切换到项目目录下
```bash
cd  ship
```
3.克隆PaddleDetection
```bash
git submodule update --init --recursive

``` 
或者
```bash
git clone https://gitee.com/paddlepaddle/PaddleDetection.git
```
4. 安装
```
cd PaddleDetection
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
cd ppdet/ext_op
python setup.py install
```
使conda安装paddle会出动态运行库路径问题，解决方案可参考[博客](https://blog.csdn.net/qq_37591986/article/details/129704978)
### 数据处理
1 .下载数据，将数据放在`data`问价夹
2.运行脚本解压并生成json文件
```
data/trans.sh
```
最终的文件夹结构为
```bash

|--data  
|   |--config  
|   |--format  
|   |--train_upload
|   |   |--images
|   |   |--labelTxt
|   |   |--Data_train.json
|   |--images  
|--PaddleDetection
```

3.修改代码
1. 修改`PaddleDetection/ppdet/metrics/metrics.py`文件422-444行
修改前
```python
                        bbox_pred = '{} {} '.format(self.catid2name[catid],
                                                    score) + ' '.join(
                                                        [str(e) for e in bbox])
```
修改后
```python
                        bbox_pred = '{},{},'.format(self.catid2name[catid],
                                                    score) + ','.join(
                                                        [str(e) for e in bbox])
```
### 模型训练
```
data/train.sh
```
训练后的权重文件在`PaddleDetection/output/ppyoloe_r_crn_x_3x_atr_ms/best_model.pdparams`
### 结果生成
```
data/gen.sh
```
结果在`data`文件夹下