windows10+detectron2中faster_rcnn训练自己的数据

环境：windows10+ cundn10.1+ cudnn7.6 vs2019编译  显卡RTX2080 8G显存 pythorch1.3或pythorch1.4都可以
需重新编译coco的PythonAPI和detectron2编译vs2019+pythorch1.4可网上查找，不在详细说明
1、mask_rcnn_R_50_FPN_3x官方模型测试
修改detectron2的配置文件用于测试
修改./detectron2/detectron2/config/defaults.py 为需要的分类个数，共有两处

修改加载模型路径

测试结果图

视频测试：

2、faster_rcnn_R_50_FPN_3x训练自己的数据
a)数据集制作：
国内交通标志数据集：共包含1465张640*640的交通标志图片，一共标注了6类交通标志，分别是：直行、左转、右转、禁行、禁鸣、人行横道，("straight", "left","right", "stop ", "nohonk", "crosswalk")。标注信息均保存在xml文件下载地址：https://www.kesci.com/home/dataset/5ea92354366f4d002d730fca 下载解压后的数据集格式：一个是xml何对应的图片。

写脚本把xml转换为训练集和测试集xml;转换为coco的json格式；此文是参考https://blog.csdn.net/ouyangfushu/article/details/103635244?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase
转换出两个json文件放入annotations文件中；同时把图片放入相应文件夹中，如下图：至此数据集制作完成。


b)修改detectron2的配置文件用于训练数据
修改./detectron2/detectron2/config/defaults.py 为需要的分类个数，共有两处

修改./detectron2/detectron2/data/datasets/builtin_meta.py 为需要的分类名字

修改./detectron2/detectron2/data/build.py 修改数据集路径
修改./detectron2/detectron2/engine/defaults.py 修改加载模型路径

c)训练及测试
运行train_net.py


测试结果图：

下载模型的默认路径：‘C:\Users\nyy\.torch\fvcore_cache\detectron2\ImageNetPretrained\MSRA