【目标检测】使用Colab训练MMDetection模型

Colab官网：https://colab.research.google.com/

MMDetection仓库：https://github.com/open-mmlab/mmdetection

1. 数据集上传

以COCO格式的自定义数据集为例：

将数据集按照以下路径格式进行储存，并压缩为zip文件

data
|--coco
|  |--annotations
|     |--instances_train2017.json
|     |--instances_val2017.json
|
|  |--train2017
|     |--1.jpg
|     |--2.jpg
|     |--...
|
|  |--val2017
|     |--7.jpg
|     |--26.jpg
|     |--...

上传到Colab账号的谷歌云盘：

           

2. 在云盘中创建文件夹“logs”以储存训练得到的权重

3. 设置Colab环境 

打开Colab并新建笔记本

开启GPU

   

 挂在谷歌云盘

from google.colab import drive
drive.mount('/content/gdrive')

链接权重储存文件夹

!ln -s /content/gdrive/MyDrive/logs work_dirs

4. 安装MMDet

!pip3 install openmim
!mim install mmcv-full

Clone MMDet仓库

!git clone https://github.com/open-mmlab/mmdetection.git
%cd mmdetection
!pip install -e .

5. 模型训练

复制数据集并解压缩

!cp /content/gdrive/MyDrive/data.zip ./
!unzip ./data.zip -d ./

6. 修改配置文件

参考：【目标检测】使用MMDetection训练自定义COCO格式数据集_ericdiii的博客-CSDN博客

修改完配置文件后进行setup

!python setup.py install

开始模型训练，以Faster R-CNN为例：

!python tools/train.py /content/mmdetection/configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py