MMDetection2系列-(2)-训练自己的数据集

---

1. 准备数据集

mmdetection支持coco格式和voc格式的数据集，下面将分别介绍这两种数据集的使用方式
coco数据集
官方推荐coco数据集按照以下的目录形式存储，以coco2017数据集为例

mmdetection
├── mmdet
├── tools
├── configs
├── data
│   ├── coco
│   │   ├── annotations
│   │   ├── train2017
│   │   ├── val2017
│   │   ├── test2017

如果是自定义的数据集目录,需要修改 coco_instance.py中的data_root

2. 公共修改

2.1. 修改 mmdet/datasets/coco.py

修改 CocoDataset 方法中 CLASSES = (‘fall’,)，后面一定要加逗号

2.2. 修改 mmdet/core/evaluation/class_names.py

修改 coco_classes 方法中 return [‘fall’]

3. Faster-RCNN

4. Mask-RCNN

4.1. 修改对用的配置文件,以 mask_rcnn/mask_rcnn_r50_fpn_2x_coco.p为例

打开mask_rcnn/mask_rcnn_r50_fpn_2x_coco.py,

• 4.1.1. 修改mask_rcnn_r50_fpn.py中的num_classes=你的类别数;pretrained=None
• 4.1.2. 修改schedule_2x.py中的max_epochs=训练的伦次
• 4.1.3. 修改default_runtime.py中的interval=每多少轮保存一次;interval=val2017 中图片的数量

4.4. 训练

python tools/train.py configs/mask_rcnn/mask_rcnn_r50_fpn_2x_coco.py

4.5. 测试

5. cascade_mask_rcnn

6. cascade_rcnn

7. retinanet

---

查看log日志

python tools/analysis_tools/analyze_logs.py plot_curve work_dirs/cascade_rcnn_r50_fpn_1x_coco/20210326_155325.log.json

---

参考:https://mmdetection.readthedocs.io/