用mmdetection跑通自己的数据集

一、准备自己的数据集

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voc2007数据集为例

mmdetection
├── mmdet
├── tools
├── configs
├── data
│   ├── VOCdevkit
│   │   ├── VOC2007
│   │   │   ├── Annotations
│   │   │   ├── JPEGImages
│   │   │   ├── ImageSets
│   │   │   │   ├── Main
│   │   │   │   │   ├── test.txt
│   │   │   │   │   ├── trainval.txt

1、根据voc2007的格式创建文件夹

Annotations:为xml格式文件，用来记录目标的坐标以及类别信息。（可以使用LabelImg工具标注自己的数据集，可以生成与voc相同的xml格式标签。）

JPEGImages：基本为jpg格式文件，将自己整理的图片存入此文件夹

ImageSets：test.txt：测试集 ，train.txt：训练集 ，val.txt：验证集 ，trainval.txt：训练和验证集

生成txt文件的代码如下：

import os
import random

trainval_percent = 0.5  #训练集和验证集
train_percent = 0.5     #训练集
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval = open(txtsavepath + '/trainval.txt', 'w')
ftest = open(txtsavepath + '/test.txt', 'w')
ftrain = open(txtsavepath + '/train.txt', '