【Detectron2】入门03 Faster RCNN + VOC

在detectron2/data/datasets/builtin.py中可以看到在DatasetCatelog上各个数据集的注册，其中_root即为数据集的基地址，代码指明，_root要么是DETECTRON2_DATASETS，要么是datasets/，因此想要修改数据集位置，可以通过在命令行运行export DETECTRON2_DATASETS=/xx/xx/xx来修改。

下面包括基于VOC的Faster RCNN的训练和测试：代码基于train_net.py完成

from detectron2.utils.logger import setup_logger
setup_logger()

from detectron2 import model_zoo
from detectron2.config import get_cfg
from tools.train_net import Trainer
from detectron2.checkpoint import DetectionCheckpointer
import os
os.system("export DETECTRON2_DATASETS=/media/zhou/data/VOC/VOCdevkit/")
os.system("echo $DETECTRON2_DATASETS")



def train():
    cfg.DATASETS.NUM_WORKERS = 1
    cfg.SOLVER.IMS_PER_BATCH = 4
    cfg.SOLVER.BASE_LR = 0.01
    cfg.MODEL.ROI_HEADS.NUM_CLASSES = 20
    # os.makedirs(cfg.OUTPUT_DIR, exist_ok=True)
    trainer = Trainer(cfg)
    trainer.resume_or_load(resume=False)
    trainer.train()

def test():
    cfg.MODEL.WEIGHTS = './output/model_final.pth'
    model = Trainer.build_model(cfg)
    DetectionCheckpointer(model, save_dir=cfg.OUTPUT_DIR).resume_or_load(
        cfg.MODEL.WEIGHTS, resume=False
    )
    Trainer.test(cfg, model)

if __name__ == '__main__':
    cfg = get_cfg()
    cfg.merge_from_file(model_zoo.get_config_file("../configs/PascalVOC-Detection/faster_rcnn_R_50_FPN.yaml"))

 官方没有跑R50-FPN，VOC，因此只能和R50-C4,VOC作比较。结果相差两个点，可以接受，一个是因为模型框架不同，另一个是因为我使用的batch_size = 4，偏小。

重新训练了Faster rcnn c4，得到的结果较差，可能是因为没有使用官方的训练参数，以及batch_size = 2，较小的原因