mmdetection 训练自己的数据集

一、标记数据

使用labelme create rectangle 标记矩形物体

使用labelme 文件下的 labelme2coco 把标记好的多个json转换成1个json
注意：需要labels.txt文件

python labelme2coco.py   inputimg   outputimg  --labels=labels.txt

二、修改mmdetection配置文件

1.修改dataset文件

在F:\mmdetection-2.7.0\configs_base_\datasets\coco_detection.py

data_root = 'dataset/qingdao'  #自己数据集路径

因为我只有一个json，所以全部的训练测试都是同一个。显卡显存小，所以设置为1

 data = dict(
    samples_per_gpu=1,
    workers_per_gpu=1,
 train=dict(
        type=dataset_type,
        ann_file=data_root + '/annotations.json',
        img_prefix=data_root ,
        pipeline=train_pipeline),
    val=dict(
        type=dataset_type,
        ann_file=data_root + '/annotations.json',
        img_prefix=data_root ,
        pipeline=test_pipeline),
    test=dict(
        type=dataset_type,
        ann_file=data_root + '/annotations.json',
        img_prefix=data_root,
        pipeline=test_pipeline))

2.修改模型类别

在路径F:\mmdetection-2.7.0\configs_base_\models\mask_rcnn_r50_fpn.py

文中3处都要修改

num_classes=1,

3.修改coco类别

在路径F:\mmdetection-2.7.0\mmdet\datasets\coco.py

 CLASSES=('rect') # 自己数据集类别

训练

python tools\trans.py confings\cascade_rcnn\cascade_rcnn_r50_fpn_1x_coco.py

TIPS

1.出现错误 ValueError: need at least one array to concatenate

大概率是因为2.3没做。

2.修改加载原来的权重

在 F:\mmdetection-2.7.0\configs_base_\default_runtime.py

load_from = None  #模型路径

3.修改学习次数

在F:\mmdetection-2.7.0\configs_base_\schedules\schedule_1x.py

lr_config = dict(
    policy='step',
    warmup='linear',
    warmup_iters=500,
    warmup_ratio=0.001,
    step=[8, 11])
total_epochs = 50  #学习次数