paddldetection下mask-rcnn训练(自用数据集转化为coco数据集):

1.安装 

python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
#加速克隆paddledetection
git clone https://hub.fastgit.org/PaddlePaddle/PaddleDetection.git
#选择使用码云上的托管
git clone https://gitee.com/paddlepaddle/PaddleDetection
pip install
"git+https://hub.fastgit.org/cocodataset/cocoapi.git#subdirectory=PythonAPI"

2.将自己的数据集转换为coco数据集

python tools/x2coco.py --dataset_type labelme --json_input_dir ./dataset/coco/2json  --image_input_dir ./dataset/coco/2jpg  --output_dir ./output --train_proportion 0.8  --val_proportion 0.2 --test_proportion 0.0

3.修改配置文件

coco_instance.yml中修改类别数,修改数据集路径 

4.训练

#cpu训练
python tools/train.py -c configs/mask_rcnn/mask_rcnn_r50_fpn_2x_coco.yml -o use_gpu=false --eval  
#gpu训练
python -u tools/train.py -c configs/mask_rcnn_r50_vd_fpn_2x.yml  --use_vdl=true  --vdl_log_dir=vdl_dir/scalar  --eval  -o use_gpu=true

训练中出现没有各种包的错误,可以按照如下解决

pip install pyyaml -i https://pypi.douban.com/simple/


pip install opencv-python -i https://pypi.douban.com/simple/

训练时还遇到这个错误

解决时改了类别数就解决了问题

 5.测试

python tools/eval.py -c configs/mask_rcnn_r50_fpn_1x.yml -o use_gpu=true weights=output/mask_rcnn_r50_fpn_1x/best_model

6.预测图片

python -u tools/infer.py -c configs/mask_rcnn_r50_vd_fpn_2x.yml --infer_dir=demo/kernal

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
使用Mask-RCNN时,通常需要自定义训练数据集以便模型可以在您的特定领域或任务中进行有效的目标检测和分割。 自有数据集的下载通常需要以下步骤: 1. 收集数据:首先,您需要收集要用于训练的图像数据。这些图像应涵盖您要解决的问题领域,并且应包含相应的标注信息,例如目标的边界框和分割掩模。 2. 数据标注:接下来,您需要对收集的图像进行标注。根据您的任务,您可能需要标注目标的边界框和分割掩模,或者只需要其中之一。这个过程可能需要一些专业的工具和操作,以便准确地标注目标。 3. 数据预处理:在将数据输入到Mask-RCNN模型之前,需要对数据进行一些预处理。这可能包括将图像大小调整为模型所需的输入大小、归一化图像像素值等。 4. 数据划分:为了进行训练和验证,您应该将数据集划分为训练集和验证集。通常,约80%的数据用于训练,20%的数据用于验证。 5. 数据转换:在将数据传输到Mask-RCNN模型之前,需要将数据转换为模型所需的格式。这通常涉及将图像和标注转换为相应的张量或数据结构。 6. 下载自有数据集:完成上述步骤后,您的自有数据集准备好了。您可以将其保存在本地计算机上,或者将其上传到云存储服务以便在训练期间访问。 需要注意的是,以上是自己创建和准备数据集的步骤。如果您想直接下载包含目标检测和分割标注的现成数据集,您可以在一些公开的数据集库中寻找,例如COCO、PASCAL VOC等。这些数据集中涵盖了各种不同的图像类别,并附带了目标检测和分割的标注信息,您可以直接使用它们来训练和评估Mask-RCNN模型。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值