OWOD训练运行教程

Towards Open World Object Detection的训练

代码地址：https://github.com/JosephKJ/OWODhttps://github.com/JosephKJ/OWOD

1.创建一个conda环境python > 3.6, 安装 Pytorch > 4 和opencv

2.下载detectron2(也可以根据电脑配置下载不同版本的detectron2)

git clone https://github.com/facebookresearch/detectron2.git

不同版本下载地址：https://github.com/facebookresearch/detectron2/releases

3.接下来在OWOD文件夹下安装detectron2

 python -m pip install -e detectron2 

注意此处不要使用该文件夹外部构建的Detectron2，否则运行代码时会报错，一定要在OWOD内构建Detectron2。

4.数据集的制作：先进入google drive的命令下载数据， 然后再根据下面两个步骤把数据和预训练的模型放到指定的位置（这一步要仔细）

google drive地址https://drive.google.com/drive/folders/1Sr4_q0_m2f2SefoebB25Ix3N1VIAua0w

（1）主文件夹下新建datasets/VOC2007文件夹

（2）下载的Annotations与JPEGImages文件夹放在VOC2007下

（3）新建datasets/VOC2007/ImageSets/Main文件夹

（4）将datasets/OWOD_imagesets下的所有文件放到datasets/VOC2007/ImageSets/Main下

5.开始训练

8gpu:

python tools/train_net.py --num-gpus 8 --dist-url='tcp://127.0.0.1:52125' --resume --config-file ./configs/OWOD/t1/t1_train.yaml SOLVER.IMS_PER_BATCH 8 SOLVER.BASE_LR 0.01 OUTPUT_DIR "./output/t1"

4gpu:

python tools/train_net.py --num-gpus 4 --dist-url='tcp://127.0.0.1:52125' --resume --config-file ./configs/OWOD/t1/t1_train.yaml SOLVER.IMS_PER_BATCH 4 SOLVER.BASE_LR 0.005 OUTPUT_DIR "./output/t1"

单gpu:

python tools/train_net.py --num-gpus 1 --dist-url='tcp://127.0.0.1:52125' --resume --config-file ./configs/OWOD/t1/t1_train.yaml SOLVER.IMS_PER_BATCH 8 SOLVER.BASE_LR 0.0025 OUTPUT_DIR "./output/t1"

 在运行时可能会出现缺少包的情况，直接pip安装即可：

No module named 'reliability' 

pip install reliability

No module named 'shortuuid'

pip install shortuuid

 

 

运行成功！！！