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&#