mmdetection1.4训练fasterrcnn

最新推荐文章于 2024-06-21 21:33:05 发布
最新推荐文章于 2024-06-21 21:33:05 发布
阅读量449 收藏
点赞数
分类专栏： mmdetection 文章标签： pytorch 深度学习
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_41701723/article/details/131438943
版权
在使用mmdetection1.4框架训练fasterrcnn模型时，出现URLError，具体是SSL证书验证失败的问题，同时找不到data/coco/annotations/instances_train2017.json的数据集路径。需要解决SSL证书问题并确保数据集路径正确设置，以便能成功进行训练。训练过程中未指定权重保存路径，模型默认在当前目录保存。
摘要由CSDN通过智能技术生成

mmdetection1.4训练fasterrcnn

指定参数文件

../configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py

在这里插入图片描述

urllib.error.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed: unable to get local issuer certificate (_ssl.c:1131)>

在这里插入图片描述

权重官网

No such file or directory: ‘data/coco/annotations/instances_train2017.json’

数据集路径问题

打开数据集路径的配置文件

在这里插入图片描述
数据集路径

在这里插入图片描述

完成训练

在这里插入图片描述

之前在train中没有指定保存的路径，默认在当前文件夹中保存
在这里插入图片描述

计算机CV民工
关注
专栏目录
[计算机视觉][神经网络与深度学习]Faster R-CNN配置及其训练教程
ZhangPY的专栏
05-13 1178
Faster R-CNN教程 Faster R-CNN教程 最后更新日期：2016年4月29日 本教程主要基于python版本的faster R-CNN，因为python layer的使用，这个版本会比matlab的版本速度慢10%，但是准确率应该是差不多的。 目前已经实现的有两种方式： Alternative trainingApproximate joint
详解mmdetection中的faster rcnn
absence521的博客
01-05 794
mmdetection包含很多目标监测和实例分割模型，集成度很高，新手学习起来，可能配置环境就要很久，看懂代码更是不易，本文主要解析项目中faster-rcnn的配置信息
（详细教程）mmdetection训练自己的模型，测试，评估
热门推荐
若风的博客
01-16 3万+
1. 简介 商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，支持Faster-RCNN，Mask-RCNN，Fast-RCNN，Cascade-RCNN等主流目标检测框架。可以快速部署自己的模型。 2.环境要求 Linux (不支持windows) Python 3.5+ >=PyTorch...
mmdetection的安装、测试（以Faster-rcnn为例进行训练测试）
栗子菜菜
05-17 3777
一、如何创建虚拟环境 看看有几个cpu： watch --color -n1 gpustat -cpu 创建自己的环境：conda create -n jj python=3.7 失败：出现下面的 -30-generic ubuntu/14.04.2 glibc/2.19 UID:GID : 1062:1063 netrc file : None offline mode : False An unexpected erro
mmdetection 训练 Faster R-CNN
weixin_40042498的博客
01-20 1948
训练步骤 安装 labelme conda create --name=labelme python=3.6 conda activate labelme pip install pyqt5 pip install labelme 安装 scikit-image，scipy pip install scikit-image -i https://pypi.tuna.tsinghua.edu.cn/simple pip install scipy -i https://pypi.tuna.tsing
mmdetection项目实现Faster RCNN(4)
yx868yx的博客
04-17 2647
环境 ubantu16.04+cudnn7.0+cuda_9.0.176 Pytorch1.0+python3.6.5+ anaconda3 一、数据准备 ①mmdetection 支持VOC风格数据类型 ②下载预训练权重（没有下载，训练的时候自动下载restnet50） 二、编译： 下载工程： https://github.com/open-mmlab/mmdetection ./compile...
win10系统mmdetection训练部署fasterrcnn的全过程
keep
08-04 3807
训练mmdetection中的fasterrcnn的全过程以及问题记录，修改cpp文件增加标签类别和计时，使用mmdeploy进行部署。
mmdetection使用方法（使用mmdetection搭建faster-RCNN模型）
ShakalakaPHD的博客
10-24 7853
使用mmdetection搭建faster-RCNN模型配置环境二级目录三级目录 配置环境 操作系统：Ubuntu20.04 CUDA版本：10.2 Pytorch版本：1.6.0 TorchVision版本：0.7.0 mmdet版本：2.5.0 硬件：RTX2070S*2 二级目录 三级目录
mmdetection训练、测试
qq_43173239的博客
01-22 2734
文章目录前言一、使用mmdetection训练测试Mask-Rcnn1.数据集转化2.准备配置文件3.训练4.测试二、mmdetection补充知识 前言 用于记录mmdetection训练、测试自己的数据集（采用mask-rcnn）。关于mmdetection的源码知识日后慢慢补充。 一、使用mmdetection训练测试Mask-Rcnn mmdetection是商汤科技（2018COCO目标检测挑战赛冠军）和香港中文大学开源的一个基于Pytorch实现的深度学习目标检测工具箱，支持多种目标检测..
mmdetection：OpenMMLab检测工具箱和基准
02-07
MMDetection是基于PyTorch的开源对象检测工具箱。 这是香港开发的OpenMMLab项目的一部分。 master分支与PyTorch 1.3到1.6一起使用。 旧的v1.x分支可与PyTorch 1.1至1.4一起使用，但强烈建议您使用v2.0，以实现更快...
instances_train2017_11000.json
04-11
从整个数据集随机采样获得的11000个图片以及其标注的数据, 适用于方法的初级快速验证. 可以有效节约时间.
coco数据集里的annotations_trainval2017.zip
08-07
COCO is a large-scale object detection, segmentation, and captioning dataset. COCO has several features: Object segmentation Recognition in context Superpixel stuff segmentation 330K images (>200K labeled) 1.5 million object instances 80 object categories 91 stuff categories 5 captions per image 250,000 people with keypoints
【AI面试】YOLO 如何通过 k-means 得到 anchor boxes的？Yolo、SSD 和 faster rcnn 的正负样本定义
钱多多先森
03-30 421
研究发现，目标检测算法中，正负样本的比例对于模型的优化起到了非常重要的作用。并且，一般情况下，GT中标记的bbox是比较少的，anchor要与其匹配，满足条件的才能够被标记为阳性，否则就会被标记为阴性，或者被丢弃。
mmDetection 用 Faster rcnn 网络训练自定义数据集
最新发布
weixin_45558466的博客
06-21 844
1. 在 mmdetection-main\mmdet\datasets\coco.py 文件中将原来的coco数据集的类别和调色板注释掉换成自定义数据集的类别和调色板2. 在 mmdetection-main\mmdet\evaluation\functional\class_names.py 文件中将原来的coco数据集的类别注释掉换成自定义数据集的类别，注意有两处3. 本文的data文件夹布局和coco数据集的布局一样，只是将图片和标注文件的内容换成了自定义数据集的。
mmdetection中faster_rcnn的实现
qq_39518314的博客
02-21 4361
mmdetection中faster_rcnn的实现【待完善】 前置内容： mmdetecion 中类注册的实现（@x.register_module()） 内容包括： faster_rcnn backbone neck rpn_head faster_rcnn @DETECTORS.register_module() class FasterRCNN(TwoStageDetector): 在代码中，fasterRCNN继承了TwoStageDetector，TwoStageDetector继承了Base
mmdetection使用Faster-RCNN训练自己的coco格式数据集
lkxxxxxx的博客
04-25 1058
6.在mmdet/datasets/coco.py中修改自己的数据集类别名称，在mmdet/evaluation/functional/class_names.py中修改自己的类别。4.在mmdet/configs/_base_/datasets/coco_detection.py中修改自己的数据集路径和训练图片的imgsz。3.进入configs/_base_/models/faster-rcnn_r50_fpn.py，修改num_classes为自己的类别数。
使用mmdetection训练模型--记faster-rcnn不同backbone性能比较
hedgehogbb的博客
12-15 4464
使用mmdetection训练模型--记faster-rcnn不同backbone性能比较
mmdetection2.0的faster-rcnn在voc数据集上的训练代码解析
张家四少
08-25 1718
代码位置：configs/_base_/models/faster_rcnn_r50_fpn.py # model settings model = dict( type='FasterRCNN', # model类型 pretrained='torchvision://resnet50', # 预训练模型 backbone=dict( type='ResNet',
DCT-Mask运行问题记录
livalica的博客
01-14 2268
DCT-Mask运行问题记录 找不到coco数据集 [Errno 2] No such file or directory: 'datasets/coco/annotations/instances_train2017.json' 在DCT文件下创造软连接 ln -s datasets 找不到R-50.pkl文件 手动把config/DCT里的weights替换为本地下载的R-50.pkl torch.rfft找不到 修改为 torch.fft.fft() 这是因为新旧版本的fft函数有变化
怎么使用mmdetection中的 faster rcnn 模型来训练自定义数据集
04-26
你可以按照以下步骤使用mmdetection中的 faster rcnn 模型来训练自定义数据集： 1. 准备数据集：将自定义数据集准备好，并且将图片信息和标注信息存储到相应的文件中。 2. 配置相关文件：mmdetection中的 faster ...
评论
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