Boîtes englobantes orientées pour les objets en rotation

Quand la rotation compte#

Estimation de pose et OBB explique quand préférer les OBB à la détection. Le test pratique : si les boîtes englobantes alignées sur les axes autour d’objets voisins se chevauchent davantage que les objets eux-mêmes, NMS supprimera de vraies détections et les comptages seront trop faibles. L’imagerie aérienne est le cas classique, d’où l’entraînement du modèle préentraîné yolo26n-obb.pt sur DOTA avec imgsz=1024.

Format d’étiquette xyxyxyxy#

Une ligne d’étiquette OBB contient l’indice de classe suivi des quatre coins normalisés, dans l’ordre autour du périmètre. Voici une vraie ligne de DOTA8 (la classe 1 correspond à ship) :

1 0.813477 0.523437 0.814453 0.504882 0.87207 0.504882 0.87207 0.524414

Lis-la comme quatre points : (0.813, 0.523) → (0.814, 0.505) → (0.872, 0.505) → (0.872, 0.524). Ce navire est presque horizontal : sa largeur représente environ 0.059 de l’image et sa hauteur 0.019. En interne, Ultralytics convertit chaque ensemble de coins en centre, largeur, hauteur et rotation (xywhr) en ajustant le rectangle de surface minimale ; un quadrilatère légèrement irrégulier issu d’un outil d’annotation peut donc tout de même servir à l’entraînement. Le guide des jeux de données OBB décrit le format, et convert_dota_to_yolo_obb dans ultralytics.data.converter convertit les annotations DOTA d’origine.

Entraîne-toi sur DOTA8#

DOTA8 est un petit jeu de données de boîtes orientées conçu pour tester les pipelines :

from ultralytics import YOLO

model = YOLO("yolo26n-obb.pt")
model.train(data="dota8.yaml", epochs=1, imgsz=320, device="cpu")
metrics = model.val()
print(f"OBB mAP50: {metrics.box.map50:.3f}  mAP50-95: {metrics.box.map:.3f}")

OBB mAP50: 0.995  mAP50-95: 0.832

Les métriques OBB se trouvent dans metrics.box, mais l’IoU est calculée entre des rectangles pivotés.

Lire les prédictions et normaliser l’angle#

import math
from collections import Counter

from ultralytics import YOLO

def long_side_axis(w, h, r):
    """Angle of the box's long side in degrees, in [0, 180), whichever side the model called width."""
    deg = math.degrees(r) + (90 if w < h else 0)
    return deg % 180

model = YOLO("yolo26n-obb.pt")  # trained on DOTAv1, 15 aerial classes
result = model("https://ultralytics.com/images/boats.jpg", verbose=False)[0]
obb = result.obb.cpu()

print("xywhr:", tuple(obb.xywhr.shape), " xyxyxyxy:", tuple(obb.xyxyxyxy.shape))
print(Counter(result.names[int(c)] for c in obb.cls.tolist()))
for (cx, cy, w, h, r), conf in list(zip(obb.xywhr.tolist(), obb.conf.tolist()))[:5]:
    print(f"{conf:.2f} center=({cx:.0f},{cy:.0f}) size={w:.0f}x{h:.0f} raw={math.degrees(r):4.0f} deg  axis={long_side_axis(w, h, r):4.0f} deg")

xywhr: (173, 5)  xyxyxyxy: (173, 4, 2)
Counter({'ship': 168, 'harbor': 5})
0.87 center=(619,850) size=33x108 raw= -15 deg  axis=  75 deg
0.86 center=(1650,937) size=116x33 raw=  21 deg  axis=  21 deg
0.86 center=(1105,571) size=124x35 raw=  21 deg  axis=  21 deg
0.86 center=(1596,1037) size=129x35 raw=  25 deg  axis=  25 deg
0.86 center=(825,940) size=34x99 raw= -15 deg  axis=  75 deg

Ligne par ligne :

• xywhr: (173, 5) — 173 détections, chacune définie par les coordonnées x et y du centre, la largeur et la hauteur en pixels, ainsi qu’une rotation en radians. xyxyxyxy contient les mêmes boîtes sous forme de quatre points d’angle, prêtes pour cv2.polylines.
• Le compteur compte à partir de result.obb.cls : 168 bateaux et 5 ports. result.boxes correspond à None pour les modèles OBB ; le code de comptage écrit pour la détection doit donc changer de champs.
• raw par rapport à axis. Le premier bateau mesure 33 × 108 à −15° : son w est le petit côté, donc la coque est orientée à −15° + 90° = 75°. Le deuxième mesure 116 × 33 à 21° ; son grand côté est déjà indiqué en premier. Si tu lis les angles bruts, l’axe du premier bateau est décalé de 90° ; après normalisation, l’angle de chaque bateau a la même signification et peut être comparé entre bateaux et entre images.

La règle vient du code source installé : la rotation prédite se situe dans [−π/4, 3π/4) — soit environ −45° à 135° — et un même rectangle peut être (w, h, θ) ou (h, w, θ + 90°). Ne pars jamais du principe que w correspond au grand côté.

Pour les petits objets, utilise des tuiles plutôt que de réduire la taille#

Les objets vus du ciel sont petits, et valider ou déployer en dessous de la taille d’entraînement imgsz fait rapidement baisser le rappel. Découpe les tuiles satellitaires plus grandes que l’entrée du modèle en tuiles qui se chevauchent au lieu de les réduire ; sinon, une voiture de 30 pixels devient une tache de 5 pixels. Le guide d’inférence par tuiles SAHI présente cette technique ; sur une image d’autoroute traitée par un détecteur, l’inférence sur l’image entière manque de nombreux véhicules éloignés :

L’inférence par tuiles les détecte :

Pièges#