mmrotate旋转框目标检测框架部署

提出问题

当前，有众多的开源方法集合以及社区维护。为了满足旋转框目标检测需求，一些学者在pytorch深度学习框架基础上构建了mmrotate旋转框目标检测体系。借此机会，自己搭建了一下mmrotate的环境，加深学习和为后续做相关对比实验做一些准备工作。

解决方案

1. 一台2080或者2080ti的机器，cuda 10.2
2. 参考代码： https://github.com/open-mmlab/mmrotate/

环境部署步骤

1. 首先要下载两个代码和相关库，链接分别为：mmrotate、mmdetection和mmcv。这三个库的版本配置可参考该链接：相关版本适配
2. 部署步骤或命令
   （1）创建python 3.8版本环境

   conda create --name openmmlab python=3.8 -y

   (2) 构建pytorch环境

   conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2 -c pytorch

   （3）安装openmim

   pip install openmim

   （4）安装mmcv-full

   #从第一大步骤中的mmcv链接中下载1.6.2版本的mmcv到本地，然后执行安装
   pip install mmcv_full-1.6.2-cp38-cp38-manylinux1_x86_64.whl

   （5）安装mmdet，直接执行pip install mmdet可能会安装高版本的mmdet，导致最终环境不适配，因此，我们从第一大步骤中的mmdetection链接中下载代码到本地，然后执行相关命令安装。

   cd mmdetection
   pip install -r requirements/build.txt
   pip install -v -e .

   （6）安装mmrotate

   cd mmrotate
   pip install -r requirements/build.txt
   pip install -v -e .

   （7）安装后即可根据相关例子进行学习。

备注：这里提供一份能够直接学习的mmrotate的代码，用于faster rcnn训练少量ssdd的sar数据集。
百度网盘，提取码在评论区留言后发出。