mmdetection1.4训练fasterrcnn

最新推荐文章于 2024-04-25 23:16:52 发布
最新推荐文章于 2024-04-25 23:16:52 发布
阅读量410 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

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
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
mmdetection中faster_rcnn的实现
qq_39518314的博客
02-21 4239
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
【深度学习】目标检测，Faster-RCNN算法训练，使用mmdetection训练
最新发布
q742971636的博客
06-05 446
emmmm，，这mmdetection的配置文件的方式真老火啊，例子不太多，算了，节约时间，直接用别的代码，就此打住。在 Pascal VOC 数据集上测试 Faster R-CNN，不保存测试结果，测试 mAP。为了便于测试，下载数据集。
mmdetection的安装、测试（以Faster-rcnn为例进行训练测试）
栗子菜菜
05-17 3622
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 1852
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
win10系统mmdetection训练部署fasterrcnn的全过程
keep
08-04 3481
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 7361
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
使用mmdetection训练目标检测算法-支持fasterrcnn+retinanet等算法-项目源码
04-28
**mmdetection训练详解** **一、mmdetection简介** mmdetection是阿里云M6团队开源的一个基于PyTorch的、全面且可扩展的目标检测框架。它集成了多种先进的目标检测算法，如Faster R-CNN、Mask R-CNN、RetinaNet等...
fasterRCNN.rar
02-10
在“fasterRCNN.rar”压缩包中，包含了基于TensorFlow 2.0实现的Faster R-CNN源码。这个实现可能包括以下部分： 1. 数据预处理模块：负责读取数据集，进行图像预处理，如归一化、缩放等。 2. 模型定义：包括RPN和...
FasterRCNN:Faster RCNN的基本实现
04-06
开源库如`TensorFlow Object Detection API`和`mmdetection`提供了现成的Faster R-CNN实现，方便研究者和开发者快速搭建目标检测系统。 总之，Faster R-CNN是深度学习时代目标检测的关键技术之一，它的出现推动了...
MMDetection实战：MMDetection训练与测试
05-09
MMDetection是商汤和港中文大学针对目标检测任务推出的一个开源项目，它基于Pytorch实现了大量的目标检测算法，把数据集构建、模型搭建、训练策略等过程都封装成了一个个模块，通过模块调用的方式，我们能够以很少的...
mmdetection训练SOLOv2修改过的源码
03-19
mmdetection是PyTorch框架下的一款开源目标检测库，提供了多种先进的检测算法，如Faster R-CNN、Mask R-CNN等。而SOLOv2作为目标检测的新秀，以其高效的训练速度和优秀的性能引起了广泛的关注。本文将详细解析如何在...
mmdetection使用Faster-RCNN训练自己的coco格式数据集
lkxxxxxx的博客
04-25 608
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。
mmdetection项目实现Faster RCNN(4)
yx868yx的博客
04-17 2572
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...
mmdetection3.2.0之faster-rcnn源码解读
mengsheng12的博客
01-09 1486
该片解读在官网的这篇文章的基础之上对细节进行补充，使用，不足之处请在评论区指出。本文是结合上面官方提供的文章和b站噼里啪啦博主的讲解结合起来学习的。解读总共包含两部分，第一部分是对代码含义解读，第二部分就是对代码debug进行调试，了解数据流。
使用mmdetection训练模型--记faster-rcnn不同backbone性能比较
hedgehogbb的博客
12-15 4306
使用mmdetection训练模型--记faster-rcnn不同backbone性能比较
【干货】用mmdetection，在COCO数据集上跑通faster R-CNN（测试、训练）
热门推荐
Activewaste
07-06 2万+
注：刚接触R-CNN、Fast R-CNN、Faster R-CNN，就尝试用mmdetection，在coco数据集上跑Faster R-CNN，训练测试完就来记录一下这个过程的一些坑 参考 mmdetection github网址 跑通mmdetection 安装Anaconda3遇到的几个问题 关于跑通mmdetection，建议主要看第一个网址，第二个网址参考为主，因为我按原博的步骤...
详解mmdetection中的faster rcnn
absence521的博客
01-05 554
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
【mmdetection】使用cascade-rcnn、faster-rcnn训练自定义的coco数据集
qq_41627396的博客
05-06 1万+
开始 这篇文章主要是记录我第一次使用mmdetection工具包里面的cascade-rcnn训练自己模型的经过 训练环境 本次是使用的系统是linux的ubuntu20.04 cuda=10.2 cudnn=7.6.5 anaconda=3（用于创建虚拟环境，后续的训练、测试模型也在这个虚拟环境中） (以上软件安装可以参考其他博客) pytroch=1.5.0 torchvision=0.6.0 cudatoolkit=10.2.89 mmcv-full=1.3.1 mmdetection=v2.11
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 rcnn 模型需要对数据集进行相关配置，包括标签文件、训练文件、测试文件等。你需要修改相关文件以适配你的自定义数据集。 3. 预训练模型：为了保证训练效果，你需要从COCO数据集或其他数据集上下载对应的 faster rcnn 预训练模型，并将其放入对应的文件夹中。 4. 开始训练：一切准备就绪后，你就可以开始训练模型了。你需要使用命令行终端运行相应的训练指令，模型会开始训练并输出训练的结果。 5. 模型测试：训练完成后，你可以使用测试集对模型进行测试，以了解模型的性能表现。 以上就是使用 mmdetection 中的 faster rcnn 模型进行自定义数据集训练的步骤。希望能对你有所帮助！

“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
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