refinedet-pytorch训练自己的数据

代码是从github下载下来修改的,地址:https://github.com/luuuyi/RefineDet.PyTorch

方便起见便按照VOC数据格式修改,并修改代码中关于VOC数据使用的地方。

1、将自己的数据制作成VOC格式,可参考:https://blog.csdn.net/qq_40806289/article/details/89668840

2、/data/config.py

    2.1 修改HOME=‘自己的数据集路径’

    2.2 修改voc数据训练(为了方便查看改动,用红色字体标注)

      voc = {
    '300': {
        'num_classes': 27(类别数+1),
        'lr_steps': (80000, 100000, 120000),
        'max_iter': 120000,
        'feature_maps': [38, 19, 10, 5, 3, 1],
        'min_dim': 300,
        'steps': [8, 16, 32, 64, 100, 300],
        'min_sizes': [30, 60, 111, 162, 213, 264],
        'max_sizes': [60, 111, 162, 213, 264, 315],
        'aspect_ratios': [[2], [2, 3], [2, 3], [2, 3], [2], [2]],
        'variance': [0.1, 0.2],
        'clip': True,
        'name': 'VOC_300',
    },
    '512': {
        'num_classes': 27(类别数+1),
        'lr_steps': (80000, 100000, 120000),
        'max_iter': 120000,
        'feature_maps': [64, 32, 16, 8, 4, 2, 1],
        'min_dim': 512,
        'steps': [8, 16, 32, 64, 128, 256, 512],
        'min_sizes': [20, 51, 133, 215, 296, 378, 460],
        'max_sizes': [51, 133, 215, 296, 378, 460, 542],
        'aspect_ratios': [[2], [2, 3], [2, 3], [2, 3], [2, 3], [2], [2]],
        'variance': [0.1, 0.2],
        'clip': True,
        'name': 'VOC_512',
    }
}

3 /data/voc0712.py

    3.1 

修改类别 Line:20
VOC_CLASSES = (
    自己的类别(无background)
)

    3.2  修改 image_sets='trainval'

    3.3 

修改         
for line in open(osp.join(root, 'ImageSets', 'Main', image_sets + '.txt')):
     self.ids.append((root, line.strip()))

 3.4 

修改#VOC_ROOT = osp.join(HOME, "datasets/VOCdevkit/")
VOC_ROOT = HOME

4   

/models/refinedet.py
self.cfg = (coco_refinedet, voc_refinedet)[num_classes == 自己的类别数+1]


def build_refinedet(phase, size=320, num_classes=自己的类别数+1):

 

  • 0
    点赞
  • 11
    收藏
    觉得还不错? 一键收藏
  • 9
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值