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：

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

images字段又包括4项字段

• filename：图片名
• height：高
• width：宽
• id
  
  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）

• 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。

• 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。


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