MMDetection训练COCO数据集新手快速上手

最新推荐文章于 2025-04-11 21:47:14 发布
最新推荐文章于 2025-04-11 21:47:14 发布
阅读量1.9k 收藏 50
点赞数 11
分类专栏： MMDetection 文章标签： 深度学习 计算机视觉 目标检测 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_63947712/article/details/137724122
版权
本文详细介绍了如何在MMDetection3.0.0版本中上传COCO数据集，修改配置文件（包括模型、数据集、训练计划），以及进行模型训练，包括查看训练结果和保存模型的过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

MMDetection版本  3.0.0

1、上传COCO数据集

数据集放在mmdetection-3.0.0/data/coco下

mmdetection-3.0.0/data/coco下的文件组织如下图，annotations存放json文件，test2017、train2017、train2017下分别存放图片，png或jpg格式都可以

mmdetection-3.0.0/data/coco/annotations下的文件组织如下图

注：以上的文件命名都可以根据自己的喜好重新命名，不过会需要修改配置文件，接下来会详细介绍

2、修改配置文件

（1）打开mmdetection/configs，选择自己想要的模型总配置文件，比如我这里选择的./config/retinanet/retinanet_r50_f

最低0.47元/天 解锁文章
pytorch 31 基于mmdetection用yolox训练自己的coco数据集
a486259的博客
06-26 2174
yolox作为当下地表最强的目标检测算法，用yolox来做工程必定能事半功倍。然而，mmdetection训练yolox的配置文件写法与faster-rcnn有些不太一样，如果直接套用faster-rcnn的配置文件会存在多个异常。且在网上很难找到mmdetection用yolox训练coco数据集的案例，为此博主经过多次实践通过实践，最终实现了yolox的训练，并找出了yolox与faster-rcnn的配置文件编写的不同。博主发现yolox与faster-rcnn的配置文件存在以下不同：1.在修改模型输
【mmdetection】使用自定义的coco格式数据集进行训练及测试
热门推荐
YeeKo的博客
05-27 3万+
目录一、mmdetection简介二、环境安装1、安装教程2、运行demo测试环境是否安装成功三、训练自定义的dataset1、准备dataset2、Training前修改相关文件3、Training4、Testing 一、mmdetection简介 项目仓库地址：https://github.com/open-mmlab/mmdetection 香港中文大学-商汤科技联合实验室开源了基于 PyT...
mmdetection 如何训练自己的coco数据集
liuqiangaliuv的博客
08-10 3056
1.制作coco数据集（annotations是根据数据集Annotations转换成coco得到的） （对训练集做5次交叉验证，得到10个文件， 同时将test数据集中的图片按顺序整理成test.json文件） 2.处理好数据之后，就可以进行训练 我们需要修改的有以下几个地方。 /mmdetection-master/mmdet/datasets/coco.py 将CLASSES中的类别换成自己的 mmdetection-master/configs/_base...
COCO数据集目标检测实战
最新发布
m0_70438443的博客
04-11 1176
COCO数据集目标检测涵盖数据集特性、技术流程、实战策略和工具链。
MMDetection训练自定义COCO格式数据集
珺毅同学的博客
03-18 2656
MMDetection训练自定义COCO格式数据集操作指南
使用MMDetection训练自己的数据集(COCO)
weixin_53297048的博客
06-03 6014
上一篇文章，我们已经搭建了MMDetection的环境，并将染色体数据从labelme转化为coco数据这篇文章将以maskrcnn为例，展示染色体分类的训练测试过程人体的染色体有24类，1-22号常染色体 23是x染色体 24是y染色体。
MMDetection训练自己的数据集coco格式
Xiao_Ya__的博客
06-26 943
MMDetection训练自己的数据集coco格式
使用mmdetection训练自己的coco数据集(免费分享自制数据集文件)
gy77
10-15 4839
???? 首先需要准备好数据集，这里有labelme标签数据转coco数据集标签的说明：labelme转coco数据集 - 一届书生 - 博客园 (cnblogs.com) 1. 准备工作目录 我们的工作目录，也就是mmdetection目录，如下所示： |-- configs | |-- _base_ | |--- ....... |-- data | |--- coc...
mmdetection训练自己的COCO数据集及常见问题
weixin_43570470的博客
06-06 9850
mmdetection训练自己的COCO数据集及常见问题
气球的mask-rcnn转coco的数据集，可直接使用最新的mmdetection框架去训练，测试效果好
04-26
综上所述，这个数据集和MMDetection的结合为研究者和开发者提供了一个快速、高效的方法来训练和测试针对气球检测和分割的Mask R-CNN模型。通过利用COCO格式，数据集的标准化使得模型的训练和评估更加便捷，有助于...
【目标检测】使用MMDetection训练自定义COCO格式数据集
ericdiii的博客
09-12 2980
使用MMDetection训练自定义COCO格式数据集
caffe_train安装以及COCO数据集的训练
03-02
caffe_train安装以及COCO数据集的训练
coco2017数据集--训练集的xml标注文件
09-11
此文件是使用coco2017的训练集的原json标注格式转化为xml文件标注格式的所有图片的标注，共118287个xml文件
【计算机视觉】YOLO 入门：训练 COCO128 数据集
wzk4869的博客
08-29 1万+
【计算机视觉】YOLO 入门：训练 COCO128 数据集
mmdetection训练自己的COCO数据集
xiao_yan_的博客
08-11 4351
训练前的准备 训练数据的导入 将自己的COCO数据集放入到下载的mmdetection的源码里，（如果没有data文件夹需要新建）data -> COCO -> 你的COCO数据集 配置的修改 configs/_base_/datasets coco_detection.py coco_instace.py coco_instace_semantic.py 修改里面的img_scale=(,)：输入图片的最大长度和最小长度（GPU显存不够可以适量改动，上述的三个.py文件都要改） co
yolox 训练自己的数据集 （COCO格式）
zxxRobot的博客
10-22 9980
准备工作 1. 准备自己的数据集 Animals_Coco ├─annotations ├─train2017 └─val2017 在annotations 文件夹下包含两个重要的文件instances_train2017.json，instances_val2017.json 在train2017和val2017 包含的是训练和验证的图片数据。 2. YOLOX环境搭建 下载 YOLOX，克隆不下来的话，也可以自己下载zip文件然后解压 。 cd ~/code git clone https://gith
【mmdetection】用自己的coco数据集训练mask r-cnn并进行验证、测试，推理可视化，更改backbone，只针对某一标签进行训练
Zlan_lvlv的博客
03-16 4567
本人呕心沥血从无到有摸索的整理
手把手教你利用YOLOX训练自定义数据集（COCO Dataset）
Mickey的博客
05-29 3437
YOLOX 支持使用自定义数据集进行训练。为了在 YOLOX 上运行我们自己的数据集，我们需要遵循以下基本步骤
mmdetection训练自己的coco数据
weixin_45102257的博客
12-14 2319
参考链接 COCO的 全称是Common Objects in Context，是微软团队提供的一个可以用来进行图像识别的数据集。COCO通过在Flickr上搜索80个对象类别和各种场景类型来收集图像。COCO数据集现在有3种标注类型：object instances（目标实例）, object keypoints（目标上的关键点）, 和image captions（看图说话），使用JSON文件存储。 coco数据集按照以下的目录形式存储： 修改相关文件。 我的数据集类别共有两个，官方提供的代码中都使用的
mmdetection训练coco数据集
06-28
要使用mmdetection训练COCO数据集，需要先下载COCO数据集并将其转换为mmdetection可读的格式。然后，可以使用mmdetection提供的配置文件和训练脚本进行训练。具体步骤可以参考mmdetection官网上的文档和示例代码。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值