MMDetection 训练 无人机目标检测VisDrone数据集 记录

1 数据集标签转化

MMDetection目标检测框架采用的数据集格式是COCO格式,为了采用COCODataset 类来加载数据并进行训练以及评测,需要将VisDrone数据集转换为COCO格式,可参考VisDrone数据集转COCO格式数据集

1.1 COCO数据集格式介绍

MS COCO 是google 开源的大型数据集, 分为目标检测、分割、关键点检测三大任务, 数据集主要由图片和json 标签文件组成。 对于目标检测,json文件的格式主要如下:
在这里插入图片描述
其中共包括6个字段,实际应用中,info和license字段用不上。
对于本实验转化后的数据集包括4个字段
在这里插入图片描述
images字段又包括4项字段

  • filename:图片名
  • height:高
  • width:宽
  • id
    在这里插入图片描述
    其中最重要的是id字段,代表的是图片的id,每一张图片具有唯一的一个独特的id。

annotations字段包含多个annotation实例的一个列表,annotation类型本身又包含了一系列的字段,如这个目标的category id和segmentation mask。segmentation格式取决于这个实例是一个单个的对象(即iscrowd=0,将使用polygons格式)还是一组对象(即iscrowd=1,将使用RLE格式)
在这里插入图片描述

  • id字段:指的是这个annotation的一个id
  • image_id:等同于前面image字段里面的id。
  • category_id:类别id
  • segmentation:用于分割
  • area:标注区域面积
  • bbox:标注框,左上角坐标 标注框宽和高
  • iscrowd:决定是RLE格式还是polygon格式。

categories字段的id数,就是类别数。在这里插入图片描述

  • id:类别id
  • name:类别id对应的名字

参考链接:COCO数据集介绍

1.2 上传数据集并解压

已按照前文进行了标签转化,前文已在矩池云配置了MMDetection,为了实现在训练,将处理好的数据集上传。
在这里插入图片描述
在这里插入图片描述
上传过程漫长,还是本地实验最舒服,好想拥有一块3090呀!

MMDetection 训练

解压文件,需要等待片刻

cd /mnt/MMDetection/mmdetection/Datasets
unzip VisDrone.zip

进入到工作目录

cd /mnt/MMDetection/mmdetection

选择模型以及调整配置文件,在configs文件夹下新建文件my_custom_config.py

在这里插入代码片
  • 4
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    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
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

打赏作者

开始学AI

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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