mmdetection v2.15.0 训练自制的COCO数据集

如果最近安装mmdetection的小伙伴们应该都是2.15.0版本，现csdn上面所有的教程均不适用，下面按照官网的整理一下在新版本下自制数据集并训练的方法。

1.自制数据集

注：最新版本mmdetection仅支持COCO格式的数据集训练，不支持VOC格式！！！

我一开始也是用VOC数据集跑不通，后来又将VOC转成COCO格式。VOC转COCO的方法见我的另一篇文章。COCO数据集的目录如下：

mmdetection   

|----data（新建）

      |----coco

            |----annotations

                  |----instances_train2017.json

                  |----instances_val2017.json

                  |----instances_test2017.json（根据自己需要）

            |----train2017（存放训练集图片）

            |----val2017（存放验证集图片）

            |----test2017（存放测试集图片）

例如 instances_train2017.json就是训练集所对应的json文件，里面包含了训练集中所有图片的标注，在json文件中必须含有以下关键字：

{
    "images": [image],
    "annotations": [annotation],
    "categories": [category]
}


image = {
    "id": int,
    "width": int,
    "height": int,
    "file_name": str,
}

annotation = {
    "id": int,
    "image_id": int,
    "category_id": int,
    "segmentation": RLE or [polygon],
    "area": float,
    "bbox": [x,y,width,height],（图片左下角的xy坐标，以及图片的宽、高）
    "iscrowd": 0 or 1,
}

categories = [{
    "id": int,
    "name": str,
    "supercategory": str,
}]

2.错误的训练方法

 其他教程所写的方法大概为修改模型的config文件，修改num_classes，修改mmdet/datasets/coco_detection.py、mmdet/core/evaluation/class_names.py等等。这种训练方法在新版本下行不通，如果这样训练的话会出现一下两个错误：

ValueError: need at least one array to concatenate

AssertionError: The num_classes (20) in ....... of MMDataParallel does not matches the length of CLASSES 80) in RepeatDataset

上面第二个问题有教程说在mmdetection目录下运行python setup.py install 就可以解决，但我试了一下依然报错。

3.最新训练方法

参照官网的示例：

不是去修改本来的config文件，而是新建一个py文件，比如retinanet_mydataset.py，可以新建一个文件夹放在里面，比如mmdetection/configs/my_configs/retinanet_mydataset.py。

#此处写你想要的继承的config文件
_base_ = 'configs/retinanet/retinanet_r50_fpn_1x_coco.py'

# model这里不一定这样写，因为我的model报错显示没有roi_head这个属性，建议去掉model这一段，直接找到你的config文件对应的model文件，修改bbox_head中的num_classes即可。还有教程中说num_classes为类别数+1（还有背景），新版本中不需要+1。
model = dict(
    roi_head=dict(
        bbox_head=dict(num_classes=1),
        mask_head=dict(num_classes=1)))

#调整数据集的参数
dataset_type = 'COCODataset'
classes = ('car','person','bench')
#classes = ('balloon',) <---如果只有一个类别需要加一个逗号
data = dict(
    train=dict(
        img_prefix='data/coco/train2017/',#修改训练集图片的路径（下同）
        classes=classes,
        ann_file='data/coco/annotations/instances_train2017.json'),#修改训练集json文件的路径（下同）
    val=dict(
        img_prefix='data/coco/val2017/',
        classes=classes,
        ann_file='data/coco/annotations/instances_val2017.json'),
    test=dict(
        img_prefix='data/coco/test2017/',
        classes=classes,
        ann_file='data/coco/annotations/instances_test2017.json'))

#添加一个checkpoint文件可以提升性能
load_from = 'checkpoints/retinanet_r50_fpn_1x_coco_20200130-c2398f9e.pth'

最后一行的checkpoint文件需要在mmdetection下新建一个checkpoints文件夹放在里面，可以到open-mmlab的官方github上下载自己模型对应的checkpoint文件，你需要找到你的模型文件夹点进去才能看到下载链接。

最后运行如下代码就可以开始训练啦：

python tools/train.py configs/my_configs/retinanet_mydataset.py (根据你自己的文件名修改)