MMDetection 训练 无人机目标检测VisDrone数据集 记录

已于 2023-03-06 11:55:52 修改
阅读量1.5k 收藏 4
点赞数 4
分类专栏： 从零开始学目标检测 文章标签： 目标检测 计算机视觉 深度学习
于 2021-12-03 10:27:17 首次发布
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_41964545/article/details/121690778
版权

目录

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
开始学AI
关注
  • 4
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
将VISDRONE标签数据集转换成COCO格式+在MMdetection上训练
zj_xd的博客
07-14 649
然后参考的使用指南的 训练&测试中将 balloon dataset 转化为 COCO 格式的代码，可以将自己的代码转换成COCO格式。
MMdetection在VisDrone2019上训练FCOS和CenterNet
专注“目标检测”领域技术分享
08-17 529
训练时候调用的train.py位于./tools下面。不知道要不要安装caffe?
使用mmdetection来训练自己的数据集（visdrone）（三）使用swin来实战
最新发布
weixin_55982578的博客
04-29 380
使用swin来实战
VisDrone数据集txt格式标注更改xml
Frank Kong的博客
11-03 1295
txt格式，每行从左往右分别<bbox_left>,<bbox_top>,<bbox_width>,<bbox_height>,<score>,<object_category>,<truncation>,<occlusion> 分类： pedestrian (1), people (2), bicycle (3), car (4), van (5),truck (6), tricycle (7), awning
无人机视觉检测算法研究及数据集汇总
热门推荐
hwp2009的博客
10-22 1万+
基于无人机视觉的目标检测具有巨大的商业潜力和广泛的应用领域。与地面检测相比，无人机检测在空中无遮挡，具有更广的视野，能监测的范围更大，而且无人机使用成本低、环境适应能力强，适用于交通路口监测、大型集会巡查、故障检测、复杂地形的受灾地区信息搜集等方面。今天小编带领大家一起去了解一下！ 一、 无人机目标检测的难点 1、 数据集少。基于深度学习的无人机目标检测需要大量的数据来训练网络，无人机数据集以俯视视角为主，而大多数数据集以平视视角为主，不适合进行无人机的训练任务。 2、 无人机在拍摄视角上存在一定的局限性。
yolov5无人机俯视视角下的车辆和行人目标检测数据集 vis-drone-yolov5-dataset-1.zip
08-05
1000多张yolov5无人机俯视视角下的车辆和行人目标检测数据集dataset1，数据集目录已经配置好，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8等算法可以直接进行训练模型， 数据集和检测结果参考：https://blog.csdn.net/zhiqingAI/article/details/124230743 数据集配置目录结构data.yaml： names: ['car', 'person'] train: ./train/images val: ./valid/images test: ./test/images
RTMDet训练流程（OpenMMLab AI实战营笔记7）
qq_42815746的博客
06-11 1374
我们先简单介绍一下rtmdetGitHub：RTMDet在本文中，我们的目标是设计一种高效的实时物体检测器，它超越了 YOLO 系列，并且可以轻松扩展到许多物体识别任务，例如实例分割和旋转物体检测。为了获得更高效的模型架构，我们探索了一种 在主干和颈部具有兼容能力的架构，该架构 由一个 由大核深度卷积组成的基本构建块 构建。我们在动态标签分配中 计算匹配成本时 进一步 引入软标签 以提高准确性。
yolov5训练visdrone数据集
05-09
VisDrone（Visual Drone Detection）数据集则是专门为无人机视觉检测设计的，包含了大量无人机视角下的人、车和其他物体的标注图像，为研究和训练提供了丰富的素材。 训练YOLOv5模型使用VisDrone数据集，首先需要对...
深度学习领域YOLOV8算法目标检测无人机检测（带数据集）
05-27
深度学习领域YOLOV8算法目标检测无人机检测（带数据集） 用于无人机识别。包含源码和数据集，python语言，可以作为参考。 有数据集很好运行，主页有搭建环境过程。主页有更多源码。 含两个数据集，数据集描述如下 ...
深度学习领域YOLOV7算法目标检测无人机检测（带数据集）
05-27
深度学习领域YOLOV7算法目标检测无人机检测（带数据集） 用于无人机识别。包含源码和数据集，python语言，可以作为参考。 有数据集很好运行，主页有搭建环境过程。主页有更多源码。 含两个数据集，数据集描述如下 ...
4000多千张yolo红外微小无人机-直升机-飞机-飞鸟目标检测数据集
03-22
4000多千张yolo红外微小无人机-直升机-飞机-飞鸟目标检测数据集，数据集目录已经配置好，yolo格式(txt)的标签，划分好 train，val, test，并附有data.yaml文件，yolov5、yolov7、yolov8等算法可以直接进行训练模型，...
无人机目标检测与跟踪数据集（UAVDT）
11-23
UAVDT是一个具有大规模的挑战性的无人机检测和跟踪基准（即10小时原始视频中约8万帧的代表性帧），用于3项重要的基本任务，即目标检测（DET）、单目标跟踪（SOT）和多目标跟踪（MOT）。 数据集由无人机在各种复杂场景中捕获。本基准中关注的对象是车辆。使用边界框和一些有用的属性（例如，车辆类别和遮挡）对帧进行手动注释。 UAVDT基准由100个视频序列组成，这些视频序列是从城市地区多个地点的UAV平台拍摄的超过10小时的视频中选择的，代表各种常见场景，包括广场、主干道、收费站、高速公路、交叉口和T形交叉口。视频以每秒30帧（fps）的速度录制，JPEG图像分辨率为1080×540像素。 该数据集包含的是原始图片，不包括注释 参考： D. Du, Y. Qi, H.g Yu, Y. Yang, K. Duan, G. Li, W.g Zhang, Q. Huang, Q. Tian, " The Unmanned Aerial Vehicle Benchmark:
使用mmdetection训练目标检测算法-支持fasterrcnn+retinanet等算法-项目源码
04-28
数据集通常包括标注过的图像，mmdetection支持COCO格式的数据集。你需要将图像和对应的标注文件（如json格式）组织好，并根据mmdetection的要求配置数据集路径。 3. **模型配置** 在mmdetection的配置文件中，你...
YOLOv7训练VisDrone数据集
weixin_46030156的博客
06-01 3198
使用VisDrone数据集训练YOLOv7网络，将VisDrone数据集转为YOLO格式。
目标检测数据集格式转换：txt格式转换为xml格式（以VisDrone数据集为例）
pyscl01的博客
10-10 2165
目标检测数据集格式转换：txt格式转换为xml格式（以VisDrone数据集为例）的详细步骤
VisDrone数据集 | 用CenterNet跑通VisDrone数据集（python、ubuntu)
Liaojiajia-Blog
02-07 7529
使用CenterNet跑通VisDrone数据集一、Visdrone数据集转成coco格式(txt-->xml-->json)第一步：把VisDrone的txt标注格式转换成Voc的xml格式第二步，检验一下所转换的xml格式画回原图中是否准确第三步，将xml格式转换成json格式 一、Visdrone数据集转成coco格式(txt–>xml–>json) 首先第一步需要将...
ppyoloe实战之VisDrone2019无人机数据
m0_63642362的博客
04-28 7461
转自AI Studio，原文链接：https://aistudio.baidu.com/aistudio/projectdetail/3742987 1. 简介 PaddleDetection最近更新了最新的自研检测算法ppyoloe，在速度和精度上取得了更好的平衡，效果炸裂，得到了很多关注，也有了很多解读和应用。 github: https://github.com/PaddlePaddle/PaddleDetection/tree/release/2.4/configs/ppyoloe pape
（1）VisDrone无人机目标检测数据集介绍
qq_45583898的博客
12-28 8762
官网：http://aiskyeye.com/VisDrone数据集，包含了10个类（即行人、人、汽车、面包车、公共汽车、卡车、汽车、自行车、遮阳三轮车和三轮车）无人机计算机视觉相关检测和跟踪（ Vision Meets Drones）作为近年来的研究热点之一，受到了广泛关注，这两年在各大会议上都有相关文章发表，并且也有一些竞赛。
【VisDrone数据集】YOLOV5训练VisDrone数据集步骤与结果
Gorgeous_wxd
12-11 7976
YOLOV5训练VisDrone数据集步骤与结果
mmdetection框架训练coco数据集怎么输出目标检测的结果坐标
06-13
在mmdetection框架中训练coco数据集，可以通过修改配置文件中的test_cfg参数来输出目标检测的结果坐标。具体操作如下： 1. 打开配置文件，如faster_rcnn_r50_fpn_1x_coco.py。 2. 在test_cfg参数中添加以下代码： ...

“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

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