163、YOLOv8改进实战：旋转框检测头设计——基于YOLOv8的遥感图像定向目标检测

163、YOLOv8改进实战：旋转框检测头设计——基于YOLOv8的遥感图像定向目标检测

从一次翻车现场说起

去年接了个遥感图像检测项目，甲方要求检测机场跑道上的飞机，还要输出朝向角。我心想YOLOv8水平框检测不是挺稳的吗？直接上。结果一跑测试集，密集停靠的飞机框全糊在一起，NMS后只剩几个孤零零的框，召回率惨不忍睹。更离谱的是，有些飞机被框成了斜着的矩形，但角度信息全丢了。甲方反馈说“你们这检测结果连飞机头朝哪都看不出来，怎么引导后续识别？”

这才意识到，遥感图像里目标旋转是常态——建筑物、船舶、车辆，哪个不是歪七扭八的？水平框在这种场景下就是硬伤。于是开始动手给YOLOv8加旋转框检测头，这个过程踩了不少坑，今天把能说的都抖出来。

旋转框检测的核心矛盾

水平框检测头输出的是(x, y, w, h, cls)，旋转框要变成(x, y, w, h, angle, cls)。看起来就多了一个角度参数，但实际坑深得很。

第一个坑：角度定义混乱。有的论文用弧度，有的用角度制，还有的用sin/cos编码。我一开始图省事直接回归角度值，结果训练时loss震荡得像心电图。后来发现角度回归天然存在周期性——0度和180度其实是一个朝向，但数值差180，模型根本学不明白。

第二个坑：旋转框的损失函数。IoU计算在旋转框上不是简单的交并比，得用SkewIoU或者GWD（高斯 Wasserstein距离）。我试过直接用水平框的CIoU，训练出来的模型角度偏差平均15度，