mmdetection使用Faster-RCNN训练自己的coco格式数据集

最新推荐文章于 2024-06-21 21:33:05 发布

lkxxxxxx

最新推荐文章于 2024-06-21 21:33:05 发布

阅读量606

点赞数 6

文章标签：深度学习人工智能

本文链接：https://blog.csdn.net/lkxxxxxx/article/details/138202206

版权

参考博客使用MMDetection训练自己的数据集(COCO)-CSDN博客

1.准备好数据集

2.在主目录的configs/faster_rcnn/faster-rcnn_r50_fpn_1x_coco.py找到需要配置的文件，依次修改

3.进入configs/_base_/models/faster-rcnn_r50_fpn.py，修改num_classes为自己的类别数

4.在mmdet/configs/_base_/datasets/coco_detection.py中修改自己的数据集路径和训练图片的imgsz

5.在使用的mmdet/configs/_base_/schedules/schedule_1x.py中修改自己的epoch等

6.在mmdet/datasets/coco.py中修改自己的数据集类别名称，在mmdet/evaluation/functional/class_names.py中修改自己的类别

7.运行命令

python  tools/train.py E:/GoogleDownload/mmdetection-main/mmdet/configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py   --work-dir run_workstation

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

lkxxxxxx

关注关注

6
点赞
踩
12

收藏

觉得还不错? 一键收藏
0
评论
mmdetection使用Faster-RCNN训练自己的coco格式数据集

6.在mmdet/datasets/coco.py中修改自己的数据集类别名称，在mmdet/evaluation/functional/class_names.py中修改自己的类别。4.在mmdet/configs/_base_/datasets/coco_detection.py中修改自己的数据集路径和训练图片的imgsz。3.进入configs/_base_/models/faster-rcnn_r50_fpn.py，修改num_classes为自己的类别数。
复制链接

扫一扫

【干货】用mmdetection，在COCO数据集上跑通faster R-CNN（测试、训练）

Activewaste

07-06

2万+

注：刚接触R-CNN、Fast R-CNN、Faster R-CNN，就尝试用mmdetection，在coco数据集上跑Faster R-CNN，训练测试完就来记录一下这个过程的一些坑参考 mmdetection github网址跑通mmdetection 安装Anaconda3遇到的几个问题关于跑通mmdetection，建议主要看第一个网址，第二个网址参考为主，因为我按原博的步骤...

faster-rcnn-tf2:这是一个faster-rcnn的tensorflow2实现的库，可以利用voc数据集格式的数据进行训练

05-10

Faster-Rcnn：Two-Stage目标检测模型在Tensorflow2当中的实现目录性能情况训练数据集 权值文件名称测试数据集 输入图片大小 mAP 0.5:0.95 mAP 0.5 VOC07+12 VOC-Test07 - - 77.5 所需环境 tensorflow-gpu==2.2.0...

参与评论您还未登录，请先登录后发表或查看评论

FasterRCNN训练自己的数据

12-21

前言因为科研需要，折腾了一阵Faster RCNN. 最开始将大佬chenyuntc的simple-faster-rcnn-pytorch鼓捣了一下使之能够在Windows下面跑（有需要的朋友可以联系我），但是该代码的batch size只能设为1，跑一次实验的耗时过长。本渣尝试花了四天时间通读了一遍大佬的代码，奈何功力尚浅，还做不到大范围的修改，因此从github上找到了jwyang的faster-rcnn.pytorch 稍作修改，在Linux下成功实验了自己的数据集。代码我所使用的服务器操作系统是Linux，安装了Python3.6和Pytorch1.3，并且服务器无法连接网络，导

mmdetection 训练 Faster R-CNN

weixin_40042498的博客

01-20

1852

训练步骤安装 labelme conda create --name=labelme python=3.6 conda activate labelme pip install pyqt5 pip install labelme 安装 scikit-image，scipy pip install scikit-image -i https://pypi.tuna.tsinghua.edu.cn/simple pip install scipy -i https://pypi.tuna.tsing

【深度学习】目标检测，Faster-RCNN算法训练，使用mmdetection训练

q742971636的博客

06-05

445

emmmm，，这mmdetection的配置文件的方式真老火啊，例子不太多，算了，节约时间，直接用别的代码，就此打住。在 Pascal VOC 数据集上测试 Faster R-CNN，不保存测试结果，测试 mAP。为了便于测试，下载数据集。

【mmdetection训练自己的数据集COCO】faster-rcnn

weixin_57961038的博客

07-23

685

mmdetection训练coco数据集，以faster-rcnn为例

mmDetection 用 faster rcnn 网络训练自定义数据集

最新发布

weixin_45558466的博客

06-21

305

1. 在 mmdetection-main\mmdet\datasets\coco.py 文件中将原来的coco数据集的类别和调色板注释掉换成自定义数据集的类别和调色板2. 在 mmdetection-main\mmdet\evaluation\functional\class_names.py 文件中将原来的coco数据集的类别注释掉换成自定义数据集的类别，注意有两处3. 本文的data文件夹布局和coco数据集的布局一样，只是将图片和标注文件的内容换成了自定义数据集的。

使用自己的数据集训练faster-rcnn

yychentracy的博客

03-13

743

之前的文章已经讲过如何制作voc数据集，本篇博客主要讲的是利用我自己的数据集进行faster-rcnn的训练。加粗样式参考的博客有： 1 https://blog.csdn.net/zcy0xy/article/details/79614862 2 https://blog.csdn.net/char_QwQ/article/details/80980505 1 首先需要找一个适合自己的代码我...

mmdetection 商汤开源库 FasterRCNN 训练自己的数据集 VOC2007, 結果可視化 2019

史蒂夫方

08-11

6201

目前為止玩过了兩個目标检测库一個是陈云大神的simple-faster-rcnn 一个就是商汤科技的mmdetection 这篇主要讲一下商汤的 mmdetection 如何训练自己的数据集 个人认为必须要养成看官方文档的习惯，尤其开始学习一个新的库的时候步骤将分为安装库配置数据集 调整训练文件结果可视化 数据集格式： VOC2007为主第一步安装mmdetection ...

Faster-RCNN系列（一）制作自己的数据集Pascal_VOC格式

sage_wang的博客

02-18

7800

使用的是Faster-RCNN-TF 一、数据集准备我们在做目标识别时，大家都知道要有训练集、验证集以及测试集，当然数据集格式也有很多种，我们这里使用的是pascal_voc数据格式。如下图是voc2007数据集文件夹格式 JPEGImages：用来保存你的数据图片，当然，对于faster-rcnn来讲，所有的图片必须是jpg/jpeg格式，其他格式的话要转换一下。另外，一定要对图片进行编...

win10系统mmdetection训练部署fasterrcnn的全过程

keep

08-04

3476

训练mmdetection中的fasterrcnn的全过程以及问题记录，修改cpp文件增加标签类别和计时，使用mmdeploy进行部署。

用mmdetection训练自己的数据集

comea23的博客

03-13

2010

接触目标检测也有半年时间了，论文看了一些，但是都是看得马马虎虎，这次先用mmdetection跑一下Faster-rcnn，后面彻底熟悉了，再分析它的运行过程。可能有人说先打牢基础，看这看那，我认为还是得及时地和实际结合，如果有不对指出，请批评指正。 mmdetection是商汤提出来的一个框架吧，如果只是想单纯的跑跑完成任务的话真的很实用，我第一次上手用的就是它，连...

Win10 faster-rcnn pytorch1.0入坑记录及数据集准备

01-20

环境：win10 py36 cuda10 pytorch1.0 源代码：pytorch1.0 ...也可以去源码的issue将faster-rcnn.pytorch-pytorch-1.0\lib\model\csrc\cuda中的两个ROIXXXXX.cu进行修改。要修改的就是这两个.cu文件的dim3 gri

Faster-RCNN-with-torchvision:使用Torchvision重新实现Faster-rcnn

05-04

git clone https://github.com/supernotman/Faster-RCNN-with-torchvision.git$ cd Faster-RCNN-with-torchvision/$ sudo pip install -r requirements.txt数据准备目前代码仅支持coco数据集的训练下载coco2017数据...

Ubuntu 16.04下利用tf-faster-rcnn在VOC或其他数据集上训练自己的模型-附件资源

03-05

Ubuntu 16.04下利用tf-faster-rcnn在VOC或其他数据集上训练自己的模型-附件资源

mmdetection3.2.0之faster-rcnn源码解读

mengsheng12的博客

01-09

1483

该片解读在官网的这篇文章的基础之上对细节进行补充，使用，不足之处请在评论区指出。本文是结合上面官方提供的文章和b站噼里啪啦博主的讲解结合起来学习的。解读总共包含两部分，第一部分是对代码含义解读，第二部分就是对代码debug进行调试，了解数据流。

MMDetection训练自定义COCO格式数据集

珺毅同学的博客

03-18

793

MMDetection训练自定义COCO格式数据集操作指南

（linux/MMdetection）faster RCNN目标检测：训练自己的coco格式数据集，单/多gpu训练与测试，笔记

chao_xy的博客

04-16

2576

（linux/MMdetection）faster RCNN目标检测：训练自己的coco格式数据集，单/多gpu训练与测试，笔记

怎么使用mmdetection中的 faster rcnn 模型来训练自定义数据集

04-26

你可以按照以下步骤使用mmdetection中的 faster rcnn 模型来训练自定义数据集： 1. 准备数据集：将自定义数据集准备好，并且将图片信息和标注信息存储到相应的文件中。 2. 配置相关文件：mmdetection中的 faster rcnn 模型需要对数据集进行相关配置，包括标签文件、训练文件、测试文件等。你需要修改相关文件以适配你的自定义数据集。 3. 预训练模型：为了保证训练效果，你需要从COCO数据集或其他数据集上下载对应的 faster rcnn 预训练模型，并将其放入对应的文件夹中。 4. 开始训练：一切准备就绪后，你就可以开始训练模型了。你需要使用命令行终端运行相应的训练指令，模型会开始训练并输出训练的结果。 5. 模型测试：训练完成后，你可以使用测试集对模型进行测试，以了解模型的性能表现。以上就是使用 mmdetection 中的 faster rcnn 模型进行自定义数据集训练的步骤。希望能对你有所帮助！

“相关推荐”对你有帮助么？

非常没帮助
没帮助
一般
有帮助
非常有帮助

提交