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