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：
| 指标 | 全部目标 | 房屋 | 网球场 |
|---|---|---|---|
| mAP50 | 0.858 | 0.844 | 0.872 |
| mAP50-95 | 0.601 | 0.478 | 0.725 |
- 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：
- 采用Markdown二级标题（
##或###）结构 - 保留技术术语原意（如OBB、mAP等）
- 表格和数据严格对应原文
- 项目亮点改用更符合中文习惯的列表式排版
- 图片说明采用"说明："统一前缀，符合中文技术文档规范
