mask rcnn训练自己数据集整理出经验

参考了

官方版Mask-Rcnn（Detectron-caffe2）训练自己的数据集

https://blog.csdn.net/u014525760/article/details/79931485

 

首先要解决的是要爬很多图片，我有两个python脚本可以分别从百度和淘宝上爬某一类图片。要的私信或邮箱。

第二，一定要用labelme这个标注工具，因为他转化成coco数据集可以被detectron使用，网上的label2coco.py能用，但是需要稍微修改代码。

第三，标注图片时一定要用父_子类_num.jpg。建议只要一种类型图片，不如jpg，否则你生成json文件时候命名会重复，很烦的。搞死了。

第四，假设以上全部走通了。

你需要在home目录下建立一个文件夹，把图片和标注json文件分别放进去。图片分俩文件夹，train,val,标注annotations里面也是两个json文件，分别是你两个图片目录的标注文件。这里面是完全一一对应的，不能有错。

第四，你需要根据不同的训练图片的种类调整config，这个东西有点烦，还需要悉心研究。

以configs/12_2017_baselines/e2e_mask_rcnn_R-50-FPN_1x.yaml 网络训练示例：

1、修改 ‘/lib/datasets/dataset_catalog.py’文件连接到自己的数据集;

2、修改‘configs/12_2017_baselines/e2e_mask_rcnn_R-50-FPN_1x.yaml’文件，
a、在‘MODEL&#