MMDetection，训练VOC格式数据集

一、数据集准备

数据集目录格式要求：

├── VOCdevkit(数据集名称)
│   ├── VOC2007
│   │   ├── Annotations
│   │   ├── JPEGImages
│   │   ├── ImageSets
│   │   │   ├── Main
│   │   │   │   ├── val.txt
│   │   │   │   ├── train.txt

PS：

1. 所有图片末尾统一为.jpg（注意小写）

数据集保存（创建软连接，方便数据集复用）：

mkdir data
cd data
ln -s /home/存访路径/VOCdevkit

二、修改相关文件

1. 修改class_names.py文件

修改路径:

mmdetection/mmdet/core/evaluation/class_names.py

修改内容：将voc_classes的返回值改为要训练数据集的类别名称。

 

2. 修改voc.py文件

修改路径：

mmdetection/mmdet/datasets/voc.py

修改内容：将VOCDataset中的CLASSES改为对应训练数据集的类别集合。

 

3. 修改配置文件

配置文件路径：

mmdetection/configs

默认使用的是COCO格式，我们找到我们需要的模型，修改成我们所使用的VOC格式。假设我们使用的是cascade_rcnn_r50_fpn_1x_coco.py，我们可复制同一文件内容到cascade_rcnn_r50_fpn_1x_voc_(对应数据集名称).py。

里面内容为：

_base_ = [
    '../_base_/models/cascade_rcnn_r50_fpn_xxx.py',
    '../_base_/datasets/voc_xxx_detection.py',
    '../_base_/schedules/schedule_1x_xxx_voc.py', '../_base_/xxx_voc_runtime.py'
]
# xxx为对应数据集名称
# models文件夹为模型结构设置
# datasets文件夹为数据集设置
# schedules文件夹为优化器、学习策略设置
# runtime文件为整体训练超参设置

 1. models中对应文件修改num_classes变量

2. datasets中对应文件修改dataset_type、data_root、img_scale、ann_file、img_prefix变量。

3. schedules中新建schedule_xxx_voc.py设置对应优化器

4. 新建xxx_voc_runtime.py文件设置整体超参

三、开始训练

python tools/train.py configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_voc_xxx.py

对应log日志以及断点保存在work_dirs目录下。

 Reference

1. https://blog.csdn.net/laizi_laizi/article/details/104256781

2. https://blog.csdn.net/qq_43271903/article/details/112554903?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242

3. https://blog.csdn.net/qq_30121457/article/details/112591430?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-4.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-4.control