用Yolact模型训练自己的数据集

1.首先用labelme标注数据（分割法）

2.yolact训练的数据集为coco数据集，所以要转化数据集，使用从Git下载的labelme项目中的labelme2coco转换就可以

这里因为我的标注里有circle，刚开始训练总是失败报错，因为多边形标注至少要四个点的信息，labelme2coco中需要增加一段让它支持圆形标注

 Git中有解决方法https://github.com/wkentaro/labelme/issues/537

这里也放出增加的一段代码（Git里的方法）

            elif shape_type == "circle":

                # Create polygon shaped based on connecting lines from/to following degress
                bearing_angles = [0, 15, 30, 45, 60, 75, 90, 105, 120, 135, 150, 165,
                180, 195, 210, 225, 240, 255, 270, 285, 300, 315, 330, 345, 360]

                orig_x1 = points[0][0]
                orig_y1 = points[0][1]

                orig_x2 = points[1][0]
                orig_y2 = points[1][1]

                # Calculate radius of circle
                cx = (orig_x2 - orig_x1)**2
                cy = (orig_y2 - orig_y1)**2
                radius = math.sqrt(cx + cy)

                circle_polygon = []

                for i in range(0, len(bearing_angles) - 1):
                    ad1 = math.radians(bearing_angles[i])
                    x1 = radius * math.cos(ad1)
                    y1 = radius * math.sin(ad1)
                    circle_polygon.append((orig_x1 + x1, orig_y1 + y1))

                    ad2 = math.radians(bearing_angles[i+1])
                    x2 = radius * math.cos(ad2)
                    y2 = radius * math.sin(ad2)
                    circle_polygon.append((orig_x1 + x2, orig_y1 + y2))

                points = circle_polygon
            else:
                points = np.asarray(points).flatten().tolist()

            segmentations[instance].append(points)
        segmentations = dict(segmentations)

我自己的凑点方法：

 

转换好的coco数据集格式：

2.下载yolact模型，根据给出的网址下载权重文件，放在weights文件夹下，有一个没给出来，自己去网上找地址下载

 3.修改config.py

（1） 类别，类别的数量

（2）修改数据集地址dataset_base，不想分配验证集可以写和train一样地址

 （3）修改coco_base_config和yolact_base_config

      yolact_base_config中的max_iter是控制训练轮数的，batch-size为1，图片数量为100张，max_iter=2500时会训练两百轮 

 3.训练

python train.py --config=yolact_base_config --batch_size=1 --validation_epoch=-1

 4.测试，这里可以用中断的模型也可以用完整训练的模型

python eval.py --trained_model=weights/yolact_base_28_2844_interrupt.pth --score_threshold=0.15 --top_k=15 --image=testP.jpg --c
onfig=yolact_base_config --display