深度学习房顶识别 运动场检测 房屋与网球场旋转目标检测

基于YOLOv8-OBB的房屋与网球场定向目标检测

本仓库实现了定向目标检测（OBB）模型，专用于航拍图像中房屋和网球场的检测及其旋转角度的精确估算。该项目为AI/ML实习生评估任务开发。

目标

核心目标是实现一个能处理目标朝向的检测模型，预测"网球场"和"房屋"的边界框及旋转角度。

项目亮点

• 定制数据集标注：使用手工标注90张航拍图像，为每个目标对象绘制旋转边界框。
• YOLOv8-OBB架构：基于预训练的yolov8n-obb.pt模型进行微调，该模型是定向目标检测的领先解决方案。
• 全面评估：采用标准mAP指标评估边界框精度，并通过自定义Python脚本计算平均绝对角度误差以衡量朝向准确性。
• 稳健实现：成功解决了8点OBB标签解析等复杂的环境配置、依赖管理和数据格式问题。
  

关键结果

微调后的YOLOv8-OBB模型表现如下：

• 测试集平均绝对角度误差：51.91度（基于67个匹配实例计算）
  （注：在0-180度范围内，51.91度误差约占全角度范围的29%）
  

可视化示例

以下是测试集的部分预测结果：
（请将占位图替换为实际图像，可通过GitHub README编辑器拖拽上传或使用类似runs/obb/predictX/P0463_png.rf.eda446f96e380a0a67a51e094a22ac36.jpg的路径）

成功检测案例：

• 网球场成功检测
  说明：模型对多个网球场生成高置信度的精确旋转边界框。
• 房屋成功检测
  说明：在复杂环境中准确定位多栋房屋，边界框朝向正确。

挑战性案例：

• 漏检示例
  说明：仅检测到多个网球场中的一个，且其朝向被简化为水平方向，表明模型仍需改进。
  

完整报告

项目方法、评估结果及深度分析详见完整报告：

致谢

本项目作为AI/ML实习生评估任务完成。

格式说明：