什么是旋转目标检测 (OBB)？

旋转目标检测预测旋转边界框以匹配物体的实际朝向，而非使用轴对齐矩形。对于细长或紧密排列的物体（如港口中的船只、停车场中的车辆、文档上的文本行），旋转框能实现紧密贴合，避免标准框因重叠导致的歧义。

我应该何时使用 OBB 而非标准检测？

当物体以任意角度出现且其朝向或紧密程度很重要时，请使用 OBB：例如航拍和卫星图像、无人机巡检、文档分析以及从上方观察的工业场景。如果物体大多是直立的且方向无关紧要，标准的目标检测会更简单且同样有效。

Ultralytics YOLO26 OBB 模型是推荐的起点，已在 DOTA 航拍图像基准上预训练，并提供从 nano 到 extra-large 的多种尺寸。它们与其他所有 Ultralytics YOLO 任务共享相同的训练、验证和导出工作流。

以 YOLO OBB 格式标注旋转框并运行训练模式，或者使用 Ultralytics 平台在浏览器中进行标注、利用云端 GPU 训练并评估结果。使用 DOTA 预训练权重进行微调是大多数航拍数据集最快的途径。

使用导出模式将 OBB 模型导出为 ONNX、TensorRT、OpenVINO 等格式。导出的模型直接生成旋转框输出，从而简化了边缘设备、无人机和服务器上的推理流水线。

Ultralytics YOLO

旋转目标检测 预测旋转边界框以匹配物体的实际朝向，而非使用轴对齐矩形。对于细长或紧密排列的物体（如港口中的船只、停车场中的车辆、文档上的文本行），旋转框能实现紧密贴合，避免标准框因重叠导致的歧义。

以 YOLO OBB 格式标注旋转框并运行 训练模式，或者使用 Ultralytics 平台 在浏览器中进行标注、利用云端 GPU 训练并评估结果。使用 DOTA 预训练权重进行微调是大多数航拍数据集最快的途径。

使用 导出模式 将 OBB 模型导出为 ONNX、TensorRT、OpenVINO 等格式。导出的模型直接生成旋转框输出，从而简化了边缘设备、无人机和服务器上的推理流水线。

通过旋转边界框以任意角度检测物体。Ultralytics YOLO26 OBB 模型能够紧密贴合船只、车辆、建筑物和文本，解决轴对齐边界框重叠且失效的问题——是航拍和卫星图像的理想选择。

YOLO26-obb 模型以 1024 像素分辨率预测旋转边界框，专为物体呈任意角度的航拍和卫星图像而构建。通过五种尺寸在速度和精度之间实现权衡，并支持使用标准工作流在自定义旋转框数据集上进行微调。

pip install ultralytics

from ultralytics import YOLO

# Load a YOLO26 OBB model
model = YOLO("yolo26n-obb.pt")

# Run inference
results = model("image.jpg")

模型	尺寸 (px)	mAP 50-95 (e2e)	mAP 50 (e2e)	CPU ONNX (ms)	T4 TensorRT (ms)	参数量 (M)	FLOPs (B)
YOLO26n-obb	1024	52.4	78.9	97.7 ± 0.9	2.8 ± 0.0	2.5	14.0
YOLO26s-obb	1024	54.8	80.9	218.0 ± 1.4	4.9 ± 0.1	9.8	55.1
YOLO26m-obb	1024	55.3	81.0	579.2 ± 3.8	10.2 ± 0.3	21.2	183.3
YOLO26l-obb	1024	56.2	81.6	735.6 ± 3.1	13.0 ± 0.2	25.6	230.0
YOLO26x-obb	1024	56.7	81.7	1485.7 ± 11.5	30.5 ± 0.9	57.6	516.5