mmrotate计算fps

### 计算 MMRotate 模型的帧率 (FPS)

为了计算 MMRotate 模型的帧率(FPS)，可以采用如下方法：

通常情况下，在推理阶段测量模型处理单张图像所需的时间来估算 FPS 是一种常见做法。具体来说，可以通过记录一系列图片通过模型所花费时间并取平均值得到每秒能够处理多少帧。

对于 MMRotate 这样的库而言，可以在测试脚本中加入计时逻辑以获取准确数值。下面是一个简单的 Python 脚本来展示如何实现这一点[^1]：

import time

from mmdet.apis import init_detector, inference_detector


config_file = 'path/to/config/file'
checkpoint_file = 'path/to/checkpoint/file'

model = init_detector(config_file, checkpoint_file, device='cuda:0')

image_paths = ['path/to/image1', 'path/to/image2']  # 替换成实际路径列表

total_time = 0
num_images = len(image_paths)

for img_path in image_paths:
    start_time = time.time()
    
    result = inference_detector(model, img_path)
    
    elapsed_time = time.time() - start_time
    total_time += elapsed_time
    
average_inference_time = total_time / num_images
fps = 1 / average_inference_time if average_inference_time != 0 else float('inf')
print(f'Average Inference Time per Image: {average_inference_time:.4f} seconds')
print(f'Model FPS: {fps:.2f}')

此代码片段展示了初始化检测器以及遍历多张图片来进行推断的过程，并最终打印出平均每张图所需的推理时间和对应的 FPS 数值。

需要注意的是，上述方式得到的结果可能受到多种因素影响，比如硬件配置、输入分辨率大小等；因此建议多次运行实验求得稳定均值作为参考依据。