由于实习公司需要使用到旋转目标的检测，所以这几天学习了相关知识，并找了许多资料，饶了许多的弯路。下面记录下项目的整个实现过程。
我参考的是以下几位博主：
DOTAv2遥感图像旋转目标检测竞赛经验分享（Swin Transformer + Anchor free/based方案） – 知乎
小鸡炖技术的个人空间_哔哩哔哩_Bilibili
首先，先为该项目创建一个虚拟环境
VS2015
pytorch 1.6.0（其他版本也可以进行尝试）
torchvision 0.7.0（其他版本也可以进行尝试）
其中这个VS2015，17，19版本都可以，但是pytorch和torchvision必须是要求的版本，不然可能会出错这里试了torch1.8.1和torchvision0.9.1是可以用的。建议安装pytorch和torchvision时采用离线安装包安装，比较稳定。地址，
https://download.pytorch.org/whl/torch_stable.html
接着打开Anacondaprompt创建项目的虚拟环境
conda create -nroyolov5 python=3.8
conda activate yolov5
进入创建的虚拟环境之后cd进入下载好pytorch和torchvision的文件夹。然后执行
pip install torch-1.6.0+cu101-cp38-cp38-win_amd64.whl
pip installtorchvision-0.7.0+cu101-cp38-cp38-win_amd64.whl
这里注意后缀名.whl不要忘了。
到这里，就将pytorch框架搭好了。
接着，下载我发的压缩包，解压后，同样cd进入YOLOv5_DOTA_OBB-master项目文件的主目录
执行pip install -r requirements.txt安装相关的包。
再，添加E:\PytorchPro\YOLOv5_DOTA_OBB-master\swigwin-4.0.2到path里面，这里要进行系统环境的刷新，可以选择重启，也可以进入cmd，输入setpath=c 进行刷新
再，在Anacondaprompt中的royolov5环境下cd进入utils分别运行
swig -c++ -python polyiou.i
python setup.py build_ext –inplace
再，将E:\ProgramData\Anaconda3\envs\royolov5\Lib\site-packages\shapely\DLLs所有dll复制到E:\ProgramData\Anaconda3\envs\royolov5\Library\bin
到这一步，训练环境基本准备好了，下面开始准备旋转目标所需的数据集
首先要使用到rolabelimg旋转目标标注工具，具体怎么使用自行百度。下载地址
https://github.com/cgvict/roLabelImg
标注图像后得到的是xml格式，这里需要对数据格式进行转换，符合yolov5的txt格式
首先，运行roxml_to_data.py，转换到Dota的8点数据格式
再将图像数据依次放在以下文件夹
其中images里存放原图像，labelTxt中存放上一步转化的8点格式txt文件（注意要和images中的图像文件对应）
再，进入DOTA_devkit_YOLO-master，修改DOTA_devkit_YOLO-master\dota_utils.py中的classnames_v1_5，修改为你标注数据的种类
再，分别运行PaddingPIC.py和YOLO_Transform.py
其中，PaddingPIC.py的作用是将图片扩展到高宽相同，便于数据处理。YOLO_Transform.py的作用是将dota的数据格式转换为yolov5的数据格式。
转换后的txt文件会存放再yolo_labels文件夹中
再，将yolov5训练所需的原图像和上一步操作得到的txt文件分别放入DOTA_demo_view文件夹里的images和labels中
再修改data\DOTA_ROTATED.yaml中nc和names，或者自己写个yaml文件
可以再修改下网络模型的yaml文件，不会的话用官方的yaml文件就行
最后别忘了下载权重文件，这里要注意，因为这个项目是基于v5-3.1版本的，所以，下载的权重文件不能下载最新的pt文件，不然会报错。
最后，开始训练就可以了。
给出资源链接:
【超级会员V3】通过百度网盘分享的文件：JLJ.zip
链接:https://pan.baidu.com/s/17zVi6ae6sSs3ab7cUiWhig
提取码:8e3g