Detectron训练自己的数据集（voc格式的数据集）笔记

最新推荐文章于 2024-07-26 12:29:39 发布
最新推荐文章于 2024-07-26 12:29:39 发布
阅读量3.1k 收藏 5
点赞数 1
分类专栏： deep learning 文章标签： detectron
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41648043/article/details/85007990
版权
本文详细介绍了如何使用Detectron训练自定义的VOC格式数据集，包括Detectron环境搭建、数据转换、目录结构设置、配置文件修改及模型训练的步骤。通过创建软链接、下载预训练模型并调整配置文件，最终成功启动训练过程。
摘要由CSDN通过智能技术生成

detectron是facebook的开源项目，其实现主要基于caffe2。里面有诸如FPN，Mask-RCNN等优秀目标检测算法的实现。
利用Detectron训练自己的数据集，首先我们要搭建好相应环境。
caffe2的安装请参考caffe2官网安装教程。
https://caffe2.ai/docs/getting-started.html?platform=ubuntu&configuration=prebuilt
detectron安装请参考detectron官方安装教程。
https://github.com/facebookresearch/Detectron/blob/master/INSTALL.md

数据准备
由于我们的数据集是voc格式的，即我们的annotation是xml格式的，而detectron要求的是json格式的annotation，因此首先进行数据转换。

首先将训练集的xml格式的annotation放置到新文件夹train_annotations, 将测试集的xml格式的annotations放置到新文件夹test_annotations。（可能我们的测试集是从训练集中分离出来的验证集，它们的xml格式的annotation放置在一起，手动分离是不太可能的，对此，我们可以用程序实现）

# if you want to use it to copy some fil
最低0.47元/天 解锁文章
夕阳与影
关注
专栏目录
Detectron训练自己的数据集（VOC格式）细节
张家坎的博客
07-20 3579
#-----------------------ZR---------------------------- #              VOC格式转json格式训练 #-----------！未经同意，不得转载！------------ Detectron平台是基于COCO数据集训练的，而我一开始接触的faster-rcnn都是VOC2007数据集格式的，最近想要试试利用Detectro...
Detectron：用自己的数据集（VOC格式）训练RetinaNet
qq_15056979的博客
06-20 1903
一、数据集（VOC） Detectron天然支持COCO格式的数据集，但是可能我们手中的数据集是VOC格式的，这就需要我们手动的对VOC数据集进行相应的转换（xml→json），下面就以我自己的一个数据集为例，逐步说明一下数据集的配置过程。 1. 检查数据集（如果确定自己的数据集没有问题，可以跳过这一步） 首先，我们应当先检查自己的数据集是否完整，这一步也很重要，因为我就是在这一步中浪费了...
在detectron2 上注册 yolo 格式数据集
最新发布
weixin_63787880的博客
07-26 432
【代码】在detectron 上注册 yolo 格式数据集。
Detectron2训练自己的数据集（较详细）
丑小鸭
06-15 3万+
上篇文章讲了如何在Centos7上配置Detectron2的环境查看，这里讲下如何训练自己的数据集，主要是针对目标检测。 在GETTING_STARTED.md官方文档里写了，官方提供了一个教程去将如何训练自己的数据集，但是网址进入，我这边没有访问成功，所以只能自行百度了，好在有好心的博主。 如何训练自己的数据集呢？ 1 需要将自己的数据集转为COCO格式，具体的转换代码，可以参考这个github很详细，足够让您的数据集进行转换了。 2 将数据集注册到Detectron2中，说起来很高大上，其实就是将
detectron2训练自己的数据集_MMDetection v2.0 训练自己的数据集
weixin_39775428的博客
11-28 435
上一次安装mmdetection的docker环境离现在已经快一个月了，本来打算隔三五天记录一下，然后一直拖延到现在都没记录更新。。。。这个项目是打算记录安装环境，训练模型最后到源码解析。1 新建容器 进入正题 mmdetection docker环境上次已经介绍一次了 ，现在我们新建一个容器sudo nvidia-docker run -shm-size=8g -name mm...
安装detectron
weixin_41066529的博客
09-20 388
原文链接：https://blog.csdn.net/weixin_39916966/article/details/99728387 https://blog.csdn.net/qq_34782826/article/details/99883057 https://blog.csdn.net/qq_40306953/article/details/84207960 安装Cuda9.0+cuD...
detectron2训练自己的数据集_从零教你训练自己的数据集实现汽车标志识别，汽车品牌识别源码
weixin_39778218的博客
11-23 409
在本文你可以寻找到以下你想要的内容：yolo v4 汽车品牌标志识别从零教你训练自己的数据集实现汽车标志识别汽车品牌识别基于yolo v4的车标识别汽车品牌标志识别 源码 程序 监控下的车标识别效果图视频效果：yolov4 汽车品牌标志识别，从零教你训练自己的数据集实现车标识别图片效果图如下：yolo v4 检测效果很不错的!识别奥迪奥迪车标识别示意图奥迪车标识别示意图奥迪车标十分的显眼和特征鲜明...
【mmdetection】使用自定义的coco格式数据集进行训练及测试
热门推荐
YeeKo的博客
05-27 3万+
目录一、mmdetection简介二、环境安装1、安装教程2、运行demo测试环境是否安装成功三、训练自定义的dataset1、准备dataset2、Training前修改相关文件3、Training4、Testing 一、mmdetection简介 项目仓库地址：https://github.com/open-mmlab/mmdetection 香港中文大学-商汤科技联合实验室开源了基于 PyT...
目标检测 dcn v2_使用Detectron2分6步进行目标检测
weixin_26752765的博客
09-05 1029
目标检测 dcn v2Have you ever tried training an object detection model using a custom dataset of your own choice from scratch? 您是否曾经尝试过使用从头开始选择的自定义数据集来训练对象检测模型？ If yes, you’d know how tedious the process ...
【PyTorch】目标检测与场景分割神器 - Detectron2
北境の守望者
04-30 4380
Backto PyTorch Index Detectron2 @ 2019-10-10 github $$ docs Detectron2 ，对 Detectron1 彻底重写，抛弃 Caffe2，直接基于 PyTorch （>= 1.3）, 以 Mask-RCNN benchmark 为基底，全新构建。 基于 PyTorch：直观，友好 模块化：灵活，可扩展，能够直接在单个或多个 ...
R-50.pkl源代码
04-09
官网上下载的， detectron训练需要的model， unbuntu下直接复制进model文件夹即可。
Deterctron2 训练自己的数据集
无能狂怒博客
10-24 355
Detectron2 训练自己的数据集
使用detectron进行初步的图像检测、训练
学习、记录、分享
04-03 1675
https://zhuanlan.zhihu.com/p/37257790 一、图像检测 进行图像检测的前提是已经有相应的模型进行训练过，那么可以直接进行检测。 以tool/infer_simple.py为例，根据其中的parse_args()函数可知道需要附加的参数有哪些？ 假设图片保存路径是demo，结果输出在/tmp/detectron-visualizations，采用mask...
Detectron研读和实践一：detectron框架概览
Blateyang的博客
02-16 9548
引言 Detectron是Facebook AI研究院(FAIR)于2018年初公开的目前为止业内最佳水平的目标检测平台。据介绍，该项目自 2016 年 7 月启动，构建于 Caffe2 之上，目前支持大量机器学习算法，其中包括 Mask R-CNN（何恺明的研究，ICCV 2017 最佳论文）和 Focal Loss for Dense Object Detection，（ICCV 2017 ...
detectron2训练自己的数据集
一个努力写代码的小菜鸟，目前主要从事图像算法，目标检测/分割，模型量化与部署的工作
11-25 5769
关于detectron2的代码跑通过程
零基础视角----学习detectron2如何训练自己数据集
weixin_44881441的博客
11-16 5483
前言：关于VOC数据集 下面以VOC 2007为例分析一下里面数据集格式： ├── Annotations 进行 detection 任务时的标签文件，xml 形式，文件名与图片名一 一对应 ├── ImageSets 包含三个子文件夹 Layout、Main、Segmentation，其中 Main 存放的是分类和检测的数据集分割文件 ├── JPEGImages 存放 .jpg 格式的图片文件 ├── SegmentationClass 存放按照 class 分割的图片 └── Segmentatio
Detectron2训练自己的目标检测数据集
weixin_43229348的博客
09-08 4223
本教程实现使用Detectron2库训练自定义目标检测器。值得注意的是，Detectron2库远不止目标检测，它支持语义分割、关键点检测、掩码和稠密估计。 我们将介绍在自定义对象上训练Detectron2所需的步骤。我们使用公共血细胞检测数据集。 为了训练我们的检测器，我们采取以下步骤: 获取Detectron2的Docker镜像，并创建自己的容器 可视化Detectron2的训练数据 编写我们的Detectron2训练配置 运行Detectron2训练 评估Detectron2性能 在测试图像上运行De
Detectron2训练自己数据集及解决bug:KeyError: Dataset ‘m‘ is not registered! Available datasets are...
qq_44442727的博客
10-31 1682
Detectron2是一个用的比较广泛的目标检测和分割的深度学习框架，最近在电脑上配置环境后就准备跑一下，发现上手没那么方便，官方教程也不清晰，还得自己摸索，所以暂记一下个人成功训练的方法以及遇见的bug解决。要看bug解决，直接跳到文末。
yolov7训练自己的数据集 voc2007格式
10-18
YOLOv7是一种目标检测算法，可以用于训练自己的数据集。而VOC2007是一种常用的目标检测数据集格式。下面是训练自己的数据集voc2007格式的步骤： 1. 首先需要配置YOLOv7环境，确保环境配置正确。 2. 准备自己的数据集，将其转换为VOC格式。VOC格式包括JPEG图像和XML文件，XML文件中包含图像中每个目标的位置和类别信息。 3. 修改YOLOv7的配置文件，将其适配自己的数据集。可以参考voc.yaml文件进行修改。 4. 生成训练集和验证集的txt文件，将其放入路径中。 5. 开始训练，可以参考YOLOV7训练自己的yolo数据集进行训练。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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