★ FEATURED ARTICLE 我把大部分时间压在了一场算法挑战赛上赛题是大规模SAR图像多类别有向目标检测。说白了就是给模型一张超大的雷达遥感图让它把船、飞机、储油罐、车辆这类目标都找出来而且每个框都得带旋转角度不能像普通检测那样只给一个水平矩形。跟常规的检测比赛相比这个赛题在数据理解、模型选型和训练细节上完全是另一种玩法我前期踩了不少坑后面把整套流程梳理顺了成绩才慢慢提上来。这篇复盘主要讲我自己的比赛打法从数据、模型到训练细节都有涉及适合已经有一点目标检测基础、但还没碰过SAR和旋转框的同学也适合准备参加类似赛事的人提前避避雷。1. 赛题拆解与核心难点1.1 SAR图像到底特殊在哪SAR全称是合成孔径雷达它通过主动发射微波脉冲并接收地面回波来成像。跟光学相机完全不同SAR不依赖太阳光照也不怕云层遮挡所以理论上可以全天时、全天候工作。这个特点让SAR在遥感、海事监测、灾害评估这些场景里特别吃香。但代价就是图像质量比较“反直觉”。SAR图像里到处都是颗粒状的斑点噪声这是相干成像引起的固有现象目标边缘往往很模糊还伴随一定的几何畸变比如强反射目标旁边会出现十字亮线或阴影。这就导致同一个目标在SAR图上和光学图上的视觉特征差异极大。你如果直接把在光学数据上预训练好的模型拿过来用特征分布完全对不上效果会非常差。我第一次看到训练集的时候甚至怀疑数据是不是坏了。后来习惯了才发现SAR图里一个船可能就是一个亮斑加一点拖尾一个储油罐通常是圆环加中心亮点跟自然图像里的视觉语义完全是两码事。所以做这个赛题的人第一步不是调模型而是先让自己“看懂”SAR图。1.2 多类别和有向检测的难点这次赛题全称里有两个关键词多类别、有向目标检测。多类别意味着数据集中有若干类目标而且类别之间数量往往很不均衡。有的类可能有几万个框有的类只有几百个框。如果不管这个长尾分布模型很容易把稀有类别全部学成背景。有向检测又比普通检测难一档。普通检测的标签是[x1, y1, x2, y2]只回归四个值有向检测常用五参数定义[x, y, w, h, theta]多了一个角度。这个角度不是随便预测的它决定了框怎么贴目标。比如一条斜着停靠的船水平框会框进大量水面背景旋转框就能严丝合缝地把船身包住这对后续的分类和定位精度提升非常明显。角度回归的难点在于它是一个周期变量。学术一点的说法就是theta和theta 180是同一个朝向但数值差了180如果用普通的L1损失去算模型会被错误的大loss拉偏。这是很多新手最容易崩溃的地方后面我会专门讲怎么处理。整体来看这个赛题的难点可以总结成三句话图像噪声大目标边界难定类别分布长尾小目标密集角度回归存在周期性和边界跳变损失函数和编解码都要专门适配。2. 数据准备与预处理2.1 先做数据侦察千万不要上来就训练比赛拿到数据后我第一件事不是写模型而是做数据侦察。这个环节看着不起眼但对后续所有决策都有决定性影响。具体来说我会写几个简单的统计脚本把下面这些信息全列出来每个类别的目标总数、每个类别有多少张图包含目标所有标注框的面积分布特别是中位数和最小值所有标注框的宽高比分布以及角度分布是否均匀每张图的尺寸范围目标大多在什么尺度区间训练集和验证集之间是否存在目标类别偏差。这些统计结果直接决定了你的预处理策略。比如我发现数据集里的“车辆”类别数量极少只有几百个框而“船舶”有上万框。这种情况下如果不做类别重采样模型在验证集上对车辆类的AP会非常难看。另外角度分布统计也很重要如果数据里大多数框的角度集中在某个区间比如都接近水平那么模型对斜目标的泛化就会很差。我习惯把统计结果画成图表类别分布用柱状图角度分布用极坐标玫瑰图目标尺度用散点图。这个过程不用很复杂Matplotlib几行代码的事但能让你对数据有一个全局认识。很多同学拿到数据直接就开训训完发现某类别AP是0回头查才看到那个类别总共就出现过几次纯属浪费时间。2.2 数据清洗与标注修正竞赛数据集的标注质量通常比真实业务数据好一些但依然有大量“脏”标注。SAR图像里目标轮廓模糊标注员看着费劲就会出现下面这些典型问题框的某个顶点坐标超出图像边界框的宽或高为零或者宽高比极其离谱角度定义不统一有的框朝左有的框朝右实际是同一个目标严重漏标的小目标特别是在密集的港口区域。我的建议是写一个离线检查脚本把这些异常都筛出来能修的自动修不能修的直接删掉别让它们进训练集。比如我遇到过一批标注框的长边和短边标反了导致角度刚好差90度的情况。后来统一按长边为w、角度为与x轴夹角去重写所有标签模型才稳定下来。注意处理SAR标注框时一定要先搞清楚数据集的角度定义。常见的有OpenCV定义角度范围[-90°, 0)、DOTA定义[0°, 90°)或[-180°, 180°)不同定义转换规则完全不同。这个不搞清楚后面所有数据增强和模型输出都可能在边界处出问题。2.3 切图与数据增强旋转增强必须连标签一起转由于原始SAR图像往往非常大动辄一万像素见方直接整图送进GPU显存肯定爆掉。所以标准做法是切图把大图切成若干个固定大小的patch再按patch去训练和推理。切图策略我踩过不少坑最后常用的方案是训练时用1024×1024的patch步长设置为768重叠区域25%左右推理时用1024×1024或1536×1536的patch步长设为patch的一半最后再做重叠区域的去重合并切图后如果某个目标被patch边界切断除非它的可见面积超过完整面积的70%否则我训练时直接丢弃这个样本推理时则保留所有切碎的目标靠后处理合并。数据增强方面除了常规的随机翻转、多尺度缩放旋转增强对SAR目标特别有用。因为SAR目标的方向分布往往不均匀旋转增强可以让模型看过各个方向的同类目标。但切记旋转增强的时候标注框的四个角和角度都要同步变换而且旋转90、180、270度时宽高和角度的变换公式都不一样。我见过有人直接对整图做90度旋转标签只改了角度没换宽高结果模型一直学错。针对SAR图像还可以加一点斑点噪声模拟增强。用乘性噪声模型给训练图乘一个带随机的噪声矩阵能让模型对真实SAR噪声更鲁棒。不过这种增强强度不能太大否则会破坏细节。3. 模型选型与结构设计3.1 有向检测框架怎么选有向目标检测的框架现在其实已经比较成熟了不用自己从头实现旋转框IoU或者旋转框编解码。主流的选择无非这几类两阶段派Oriented R-CNN、RoI Transformer精度高但速度慢一阶段派YOLOv8-OBB、RTMDet-R、S2ANet速度快精度已经能追上甚至超过两阶段Anchor-free派FCOS改的旋转版本比如基于中心点和角点回归适合密集小目标。比赛场景里我优先推荐先用一个能快速出baseline的框架比如MMRotate里的Oriented R-CNN或者RTMDet-R。如果你对工程部署不敏感直接用MMRotate就行它把数据增强、损失函数、评估指标都给你集成好了省去大量底层实现时间。我们在比赛中大部分时间都花在分析badcase和调参上而不是造轮子。如果你更熟悉YOLOv8-OBB也可以直接用来做baseline。它的推理速度极快方便快速验证一些预处理和增强策略是否有效。我自己的习惯是用YOLOv8-OBB快速跑通流程再用MMRotate里的高精度模型做最终提交。3.2 Backbone与Neck的选择Backbone方面我看很多人上来就换大模型比如Swin-L、ConvNeXt-L。但SAR图像的数据量和自然图像不一样比赛数据往往只有几千张甚至几百张大图直接上超大模型很容易过拟合。更稳妥的做法是先试试ResNet50、ResNet101这类经典Backbone把训练流程跑顺再根据验证集差距决定要不要换更大的模型。Neck部分用FPN是底线后续可以升级到PAFPN或者BiFPN。SAR图像里多尺度的目标共存情况很明显比如一大片港口里既有大型货轮也有密密麻麻的小渔船。多尺度特征融合的质量几乎直接决定小目标AP。如果想让模型更适应SAR的纹理特性可以在Backbone前面加一个轻量的SAR特征适配模块比如用几个卷积层把单通道或者三通道伪彩色图像映射到合适的高维特征空间。这个模块不需要太深主要作用是让预训练模型的特征分布迁移到SAR域。实测在预训练权重的基础上微调时这个小改动能让收敛速度明显加快。3.3 检测头与角度回归有向检测的检测头通常输出分类分数加上旋转框参数。常见的有向框表示有两种五参数(x, y, w, h, theta)和八参数(四点坐标)。八参数能表达任意四边形但对长条目标不友好五参数结构简单更常用。五参数中最关键的还是角度回归。为什么难举例两个朝向几乎一样的细长矩形一个角度是-89.5°另一个是89.5°按长边定义它们其实只差1度但数值上差了179度。如果你直接用SmoothL1损失模型会收到一个巨大的错误梯度训练直接抖起来。解决思路有三种对角度做周期变换比如sin/cos监督或者把角度拆成两个量使用旋转框专用的可导损失比如GWD、KLD、ProbIoU它们本身就对角度周期性问题做了平滑处理在训练时对角度误差做最小差值修正比如计算损失之前先把角度差wrap到[-90, 90)区间。我个人的选择是优先用GWD或KLD这类损失省心很多。如果必须用SmoothL1也要做角度wrap不能裸着上。你可以把角度回归想象成时钟上的指针11点和1点看起来差很多但其实只差两小时。直接比数字大小是怎么都不对的。4. 训练策略与调参实战4.1 损失函数与样本均衡有向检测的损失一般由三部分组成分类损失、回归损失以及可能的物体性损失或角度专用损失。对于多类别长尾分布分类损失单独用交叉熵往往不够我建议用Focal Loss或者对类别采样概率做调整。具体做法可以是计算每个类别的样本数量按中位数或者某个阈值把稀有类别的采样概率上调把高频类别的采样概率下调或者简单一点在损失函数里给稀有类别加一个权重权重跟样本数的倒数有关如果你用的是MMRotate可以在数据集里配置ClassBalancedDataset它会自动帮你重采样。回归损失部分如果用GWD它的核心思想是把旋转框建模成二维高斯分布然后计算两个高斯分布之间的Wasserstein距离。因为角度边界被高斯分布的协方差“圆滑”了所以对边界跳变不敏感。如果你是第一次接触可以先直接用现成实现理解它为什么能工作之后再去调里面的超参数比如tau。4.2 学习率、训练轮数与EMA训练策略是比赛里最容易被忽视但提升巨大的部分。我常用的配置是优化器SGD或者AdamW前者在数据量大的时候更稳后者收敛更快初始学习率1e-4AdamW或0.01SGD然后按批量大小做线性缩放比如8卡batch size 64时lr设0.01单卡batch size 8时lr可以降到0.00125学习率衰减CosineAnnealing总轮数设24到36轮之间前3轮做warmupBatch size尽量往大了给至少8个patch以上太小的话BN统计量会非常不稳EMA指数移动平均权重衰减系数设0.0001能明显稳定验证集波动。一个让我印象很深的问题是同样的模型和超参用两卡和单卡训练验证集AP能差2个点。后来发现是Batch size小了以后BN的统计量跟推理时不一致。解决方法是多卡时开SyncBN或者增大batch size。如果显存不够可以减小patch尺寸而不是直接砍batch size。4.3 后处理与推理加速比赛提交的最终结果是整张大图上的目标框而我们是分patch推理的所以后处理很关键。我的标准流程是这样把大图切patch每个patch独立推理将所有patch的预测结果映射回原图坐标用跨patch的旋转NMS把重叠区域重复检测的框合并如果有必要做一个全局置信度阈值调整一般选验证集上最优的score_thr。这里有个小技巧如果目标被切在patch边缘同一个目标会在相邻两个patch里各出现一次但置信度都会下降。如果单用NMS可能会留下两个不完整的框。我后来会在切patch时给每个patch加一个边缘留白比如推理时实际输入1024×1024但只保留中心896×896区域的预测结果这样每个目标最多被一个patch完整看到重复检测大幅减少。推理加速方面我强烈建议最后阶段做FP16混合精度推理。SAR图像很大如果一张张用FP32推理时间成本高到难以迭代。FP16在部分硬件上可能损失一点点精度但速度能快一倍以上完全值得。5. 常见问题与排查技巧实录5.1 模型loss突然变成NaN或者Inf这个问题我至少遇到三次。排查顺序是先看数据里有没有异常标签比如坐标是NaN或者角度超出定义范围再看损失函数的输入包括预测框和目标框有没有出现零面积框最后看学习率是不是太大。有一个隐藏问题旋转框回归时如果模型的预测宽高变成负数在计算GWD时会因为协方差矩阵不合法而出现NaN。解决办法是在回归头上强制w和h用exp激活保证输出恒为正数。用现成框架一般没问题但自己改模型时一定要检查。5.2 小目标漏检严重SAR图像里小目标是真的小可能只有十几个像素。如果大图切成1024×1024patch小目标占比会进一步降低。这个问题我靠三招解决增加推理时的patch分辨率比如训练用1024推理用1536配合多尺度TTA在FPN的浅层加更多监督让P2层参与输出专门负责小尺度的目标针对稀有和小目标做离线过采样把它们所在的小patch多复制几份进训练集。不过要注意不能盲目增大输入尺寸不然显存和推理时间都会爆炸。比赛中期我试过把输入直接拉到2048结果精度没涨多少每个epoch时间翻倍完全不划算。合理的做法是先确认模型对小目标的瓶颈到底是特征分辨率不够还是样本太少否则做再多措施都是白费。5.3 旋转框评估结果和可视化结果不一致还有一次让我很困惑可视化出来的框看起来贴合目标但验证集的AP很低。后来发现原因是评估脚本和数据增强里的角度定义不一致。训练时我按[0, 90)的角度范围做了数据增强但验证代码默认用的是[-90, 0)导致模型输出的角度在评估时全部错位。这种情况在比赛里非常常见。建议是从第一天起就固定一套角度定义并且写一个最小的单元测试验证模型输出经过解码后和标签能对齐。不要在训练中途更改角度约定这是血泪教训。5.4 一个实用的效率策略先小规模试跑再全量训练比赛时间紧GPU资源有限我习惯先用一个小的随机子集跑20%的轮数确认整个流程没有bug并且验证集指标能随训练上升再启动全量训练。这个习惯帮我避免了好几次大半夜跑完发现数据处理错误、白白浪费十几个小时的悲剧。另外如果预算允许我会同时开两个实验一个用RTMDet-R快速迭代找增益点一个用Oriented R-CNN做精度冲刺。低延迟模型用来验证“某个增强有没有用”高精度模型在验证有效后再训练这样时间利用率最高。这次打下来我最大的感觉是SAR和有向检测组合在一起确实硬核但也不是无迹可寻。核心还是先把数据琢磨透再选一个能快速上手的框架最后把损失函数和训练细节吃透。比赛过程中有几次我甚至想放弃觉得模型怎么调都上不去结果回头发现只是角度定义搞错了。如果你也在准备类似的赛题建议先花两天时间把数据可视化、标签统计和角度约定这三件事做到位后面绝对会省出更多时间。最后再分享一个小技巧每次跑完一个实验把配置文件、训练日志和验证结果都留好这个实验记录在最后写报告和复现时比你的记忆可靠一百倍。
阅读完成 · 觉得有帮助？
