Some object detection codes for DOTA dataset
这里用到的数据集是DOTA数据集包含15个类别：'small-vehicle', 'plane', 'large-vehicle', 'ship', 'harbor', 'tennis-court', 'round-track-field', 'soccer-ball-field', 'baseball-diamond', 'swimming-pool', 'roundabout', 'basketball-court', 'storage-tank', 'bridge', 'helicopter'
1 首先使用data_crop.py 讲dota数据集进行切分，可以训练的大小，例如1000x1000
2 接下来使用create_data_list.py，创建一个训练集和测试集所有文件的json文件，用于模型读取
3 模型训练： 两个参数，第一个是interpreter options： -m torch.distributed.launch --nproc_per_node = 2
第二个是：--skip-test --config-file config_path DATALOADER.2 OUTPUT_DIR output_path
-m torch.distributed.launch --nproc_per_node = 2 python train_net.py --skip-test --config-file ../configs/fcos/orientedfcos_R50_1x.yaml DATALOADER.2 OUTPUT_DIR ../training_dir/orientedfcos_R_50_FPN_1x
4 模型测试：