RT-DETR训练自己的数据集（从代码下载到实例测试）

已于 2025-04-14 08:46:49 修改
阅读量1.5w 收藏 282
点赞数 59
分类专栏： 模型训练 RT-DETR改进专栏 文章标签： 计算机视觉 目标检测 深度学习 RT-DETR YOLO
于 2024-09-14 12:54:11 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_42591591/article/details/141894011
版权

文章目录

前言

提示：本文是RT-DETR训练自己数据集的记录教程，需要大家在本地已配置好CUDA,cuDNN等环境，没配置的小伙伴可以查看我的往期博客：在Windows10上配置CUDA环境教程

RT-DETR（Real-Time Detection Transformer）是百度提出的一种实时目标检测模型。RT-DETR 采用了与 DETR 相同的编码器和解码器结构，但对其进行了大量的优化，在保持较高检测精度的同时，实现了实时目标检测，为目标检测领域提供了一种新的有效解决方案，具有广泛的应用前景，如自动驾驶、智能监控、机器人等领域。

在这里插入图片描述

论文地址：https://arxiv.org/abs/2304.08069
代码地址：https://github.com/lyuwenyu/RT-DETR

以上是RT-DETR官方的论文和代码，详细介绍了RT-DETR的构成和实现。在Ultralytics中也实现了RT-DETR的代码，所以本文使用Ultralytics官方的项目文件进行RT-DETR的训练和测试。Ultralytics的源码地址为：

代码地址：https://github.com/ultralytics/ultralytics

在这里插入图片描述

一、RT-DETR简介

核心设计：

  • 采用Transformer结构：RT-DETR 采用了与 DETR 相同的编码器和解码器结构，但对其进行了大量的优化。编码器用于对输入图像进行特征提取，解码器则用于预测目标的类别、位置和边界框等信息。
  • 优化计算成本：使用了更小的特征图来减少计算成本，并且使用更少的注意力头，以减少模型中的参数数量。此外，还引入了一种新的分组注意力机制，可以进一步提高性能。
  • 高效的混合编码器：
    • 解耦内部尺度交互和跨尺度融合：设计了高效的混合编码器（Hybrid Encoder），通过解耦尺度内特征交互（AIFI）和跨尺度特征融合（CCFM），能够高效地处理多尺度特征。其中 AIFI 基于注意力机制实现尺度内特征交互，CCFM 则基于 CNN 进行跨尺度特征融合，这样可以更好地捕捉不同尺度下的目标信息，同时降低计算复杂度。
  • IOU感知的查询选择：
    • 改进目标查询初始化：提出了 IOU 感知的查询选择（IOU-aware Query Selection）方法，以改进目标查询的初始化。传统的查询选择方式可能忽略了检测器需要同时对对象的类别和位置进行建模的事实，而该方法显式地构建和优化认知不确定性，对编码器特征的联合潜在变量进行建模，从而为解码器提供高质量（高分类分数和高 IOU 分数）的初始查询，有助于提高检测的准确性。

二、环境搭建

在配置好CUDA环境，并且获取到RT-DETR源码后，建议新建一个虚拟环境专门用于RT-DETR模型的训练。将RT-DETR加载到环境后，安装剩余的包。

三、构建数据集

RT-DETR模型的训练需要原图像及对应的YOLO格式标签，还未制作标签的可以参考我这篇文章：LabelImg安装与使用教程。

我的原始数据存放在根目录的data文件夹（新建的）下，里面包含图像和标签。
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
标签内的格式如下：
在这里插入图片描述
具体格式为 class_id x y w h，分别代表物体类别，标记框中心点的横纵坐标(x, y)，标记框宽高的大小(w, h)，且都是归一化后的值，图片左上角为坐标原点。

将原本数据集按照8：1：1的比例划分成训练集、验证集和测试集三类，划分代码如下。

# 将图片和标注数据按比例切分为 训练集和测试集
import shutil
import random
import os
 
# 原始路径
image_original_path = "data/images/"
label_original_path = "data/labels/"
 
cur_path = os.getcwd()
# 训练集路径
train_image_path = os.path.join(cur_path, "datasets/images/train/")
train_label_path = os.path.join(cur_path, "datasets/labels/train/")
 
# 验证集路径
val_image_path = os.path.join(cur_path, "datasets/images/val/")
val_label_path = os.path.join(cur_path, "datasets/labels/val/")
 
# 测试集路径
test_image_path = os.path.join(cur_path, "datasets/images/test/")
test_label_path = os.path.join(cur_path, "datasets/labels/test/")
 
# 训练集目录
list_train = os.path.join(cur_path, "datasets/train.txt")
list_val = os.path.join(cur_path, "datasets/val.txt")
list_test = os.path.join(cur_path, "datasets/test.txt")
 
train_percent = 0.8
val_percent = 0.1
test_percent = 0.1
 
 
def del_file(path):
    for i in os.listdir(path):
        file_data = path + "\\" + i
        os.remove(file_data)
 
 
def mkdir():
    if not os.path.exists(train_image_path):
        os.makedirs(train_image_path)
    else:
        del_file(train_image_path)
    if not os.path.exists(train_label_path):
        os.makedirs(train_label_path)
    else:
        del_file(train_label_path)
 
    if not os.path.exists(val_image_path):
        os.makedirs(val_image_path)
    else:
        del_file(val_image_path)
    if not os.path.exists(val_label_path):
        os.makedirs(val_label_path)
    else:
        del_file(val_label_path)
 
    if not os.path.exists(test_image_path):
        os.makedirs(test_image_path)
    else:
        del_file(test_image_path)
    if not os.path.exists(test_label_path):
        os.makedirs(test_label_path)
    else:
        del_file(test_label_path)
 
 
def clearfile():
    if os.path.exists(list_train):
        os.remove(list_train)
    if os.path.exists(list_val):
        os.remove(list_val)
    if os.path.exists(list_test):
        os.remove(list_test)
 
 
def main():
    mkdir()
    clearfile()
 
    file_train = open(list_train, 'w')
    file_val = open(list_val, 'w')
    file_test = open(list_test, 'w')
 
    total_txt = os.listdir(label_original_path)
    num_txt = len(total_txt)
    list_all_txt = range(num_txt)
 
    num_train = int(num_txt * train_percent)
    num_val = int(num_txt * val_percent)
    num_test = num_txt - num_train - num_val
 
    train = random.sample(list_all_txt, num_train)
    # train从list_all_txt取出num_train个元素
    # 所以list_all_txt列表只剩下了这些元素
    val_test = [i for i in list_all_txt if not i in train]
    # 再从val_test取出num_val个元素，val_test剩下的元素就是test
    val = random.sample(val_test, num_val)
 
    print("训练集数目：{}, 验证集数目：{}, 测试集数目：{}".format(len(train), len(val), len(val_test) - len(val)))
    for i in list_all_txt:
        name = total_txt[i][:-4]
 
        srcImage = image_original_path + name + '.jpg'
        srcLabel = label_original_path + name + ".txt"
 
        if i in train:
            dst_train_Image = train_image_path + name + '.jpg'
            dst_train_Label = train_label_path + name + '.txt'
            shutil.copyfile(srcImage, dst_train_Image)
            shutil.copyfile(srcLabel, dst_train_Label)
            file_train.write(dst_train_Image + '\n')
        elif i in val:
            dst_val_Image = val_image_path + name + '.jpg'
            dst_val_Label = val_label_path + name + '.txt'
            shutil.copyfile(srcImage, dst_val_Image)
            shutil.copyfile(srcLabel, dst_val_Label)
            file_val.write(dst_val_Image + '\n')
        else:
            dst_test_Image = test_image_path + name + '.jpg'
            dst_test_Label = test_label_path + name + '.txt'
            shutil.copyfile(srcImage, dst_test_Image)
            shutil.copyfile(srcLabel, dst_test_Label)
            file_test.write(dst_test_Image + '\n')
 
    file_train.close()
    file_val.close()
    file_test.close()

 
if __name__ == "__main__":
    main()

划分完成后将会在datasets文件夹下生成划分好的文件，其中images为划分后的图像文件，里面包含用于train、val、test的图像，已经划分完成；labels文件夹中包含划分后的标签文件，已经划分完成，里面包含用于train、val、test的标签；train.tet、val.txt、test.txt中记录了各自的图像路径。

在这里插入图片描述

在这里插入图片描述
在训练过程中，也是主要使用这三个txt文件进行数据的索引。

四、修改配置文件

①数据集文件配置

数据集划分完成后，在根目录文件夹下新建data.yaml文件，替代coco.yaml。用于指明数据集路径和类别，我这边只有一个类别，只留了一个，多类别的在name内加上类别名即可。data.yaml中的内容为：

path: ../datasets  # 数据集所在路径
train: train.txt  # 数据集路径下的train.txt
val: val.txt  # 数据集路径下的val.txt
test: test.txt  # 数据集路径下的test.txt

# Classes
names:
  0: wave

在这里插入图片描述

②模型文件配置

在ultralytics/cfg/models/rt-detr文件夹下存放的是RT-DETR的各个版本的模型配置文件，检测的类别是coco数据的80类。在训练自己数据集的时候，只需要将其中的类别数修改成自己的大小。在根目录文件夹下新建rtdetr-l-test.yaml文件，此处以rtdetr-l.yaml文件中的模型为例，将其中的内容复制到rtdetr-l-test.yaml文件中 ，并将nc: 1 # number of classes 修改类别数` 修改成自己的类别数，如下：

在这里插入图片描述

在这里插入图片描述

# Ultralytics YOLO 🚀, AGPL-3.0 license
# RT-DETR-l object detection model with P3-P5 outputs. For details see https://docs.ultralytics.com/models/rtdetr

# Parameters
nc: 1 # number of classes
scales: # model compound scaling constants, i.e. 'model=yolov8n-cls.yaml' will call yolov8-cls.yaml with scale 'n'
  # [depth, width, max_channels]
  l: [1.00, 1.00, 1024]

backbone:
  # [from, repeats, module, args]
  - [-1, 1, HGStem, [32, 48]] # 0-P2/4
  - [-1, 6, HGBlock, [48, 128, 3]] # stage 1

  - [-1, 1, DWConv, [128, 3, 2, 1, False]] # 2-P3/8
  - [-1, 6, HGBlock, [96, 512, 3]] # stage 2

  - [-1, 1, DWConv, [512, 3, 2, 1, False]] # 4-P3/16
  - [-1, 6, HGBlock, [192, 1024, 5, True, False]] # cm, c2, k, light, shortcut
  - [-1, 6, HGBlock, [192, 1024, 5, True, True]]
  - [-1, 6, HGBlock, [192, 1024, 5, True, True]] # stage 3

  - [-1, 1, DWConv, [1024, 3, 2, 1, False]] # 8-P4/32
  - [-1, 6, HGBlock, [384, 2048, 5, True, False]] # stage 4

head:
  - [-1, 1, Conv, [256, 1, 1, None, 1, 1, False]] # 10 input_proj.2
  - [-1, 1, AIFI, [1024, 8]]
  - [-1, 1, Conv, [256, 1, 1]] # 12, Y5, lateral_convs.0

  - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  - [7, 1, Conv, [256, 1, 1, None, 1, 1, False]] # 14 input_proj.1
  - [[-2, -1], 1, Concat, [1]]
  - [-1, 3, RepC3, [256]] # 16, fpn_blocks.0
  - [-1, 1, Conv, [256, 1, 1]] # 17, Y4, lateral_convs.1

  - [-1, 1, nn.Upsample, [None, 2, "nearest"]]
  - [3, 1, Conv, [256, 1, 1, None, 1, 1, False]] # 19 input_proj.0
  - [[-2, -1], 1, Concat, [1]] # cat backbone P4
  - [-1, 3, RepC3, [256]] # X3 (21), fpn_blocks.1

  - [-1, 1, Conv, [256, 3, 2]] # 22, downsample_convs.0
  - [[-1, 17], 1, Concat, [1]] # cat Y4
  - [-1, 3, RepC3, [256]] # F4 (24), pan_blocks.0

  - [-1, 1, Conv, [256, 3, 2]] # 25, downsample_convs.1
  - [[-1, 12], 1, Concat, [1]] # cat Y5
  - [-1, 3, RepC3, [256]] # F5 (27), pan_blocks.1

  - [[21, 24, 27], 1, RTDETRDecoder, [nc]] # Detect(P3, P4, P5)

修改完成后，模型文件就配置好啦。

③训练文件配置

项目的超参数配置在ultralytics/cfg文件夹下的default.yaml文件中

在这里插入图片描述

在模型训练中，比较重要的参数是weights、data、epochs、batch、imgsz、device以及workers。

  • weight是配置预训练权重的路径，可以指定模型的yaml文件或pt文件。

  • data是配置数据集文件的路径，用于指定自己的数据集yaml文件。

  • epochs指训练的轮次，默认是100次，只要模型能收敛即可。

  • batch是表示一次性将多少张图片放在一起训练，越大训练的越快，如果设置的太大会报OOM错误，我这边在default中设置16，表示一次训练16张图像。设置的大小为2的幂次，1为2的0次，16为2的4次。

  • imgsz表示送入训练的图像大小，会统一进行缩放。要求是32的整数倍，尽量和图像本身大小一致。

  • device指训练运行的设备。该参数指定了模型训练所使用的设备，例如使用 GPU 运行可以指定为device=0，或者使用多个 GPU 运行可以指定为 device=0,1,2,3，如果没有可用的 GPU，可以指定为 device=cpu 使用 CPU 进行训练。

  • workers是指数据装载时cpu所使用的线程数，默认为8，过高时会报错：[WinError 1455] 页面文件太小，无法完成操作，此时就只能将workers调成0了。

模型训练的相关基本参数就是这些啦，其余的参数可以等到后期训练完成进行调参时再详细了解。

五、模型训练和测试

模型训练

由于项目中未提供单独的训练程序用于训练，而只是使用命令行进行训练，此处提供两种训练方法，一是在终端使用命令行进行训练；二是新建训练程序，配置参数进行训练。

（1）、在终端使用命令行进行训练

打开终端或新建终端后，输入命令：

yolo detect train data=data.yaml model=rtdetr-l-test.yaml epochs=300 batch=16 imgsz=640 device=0 workers=8

（2）、新建训练程序，配置参数进行训练

在项目根目录下新建train.py文件，输入以下内容后运行当前文件即可开始训练。

from ultralytics.models import RTDETR
 
if __name__ == '__main__':
    model = RTDETR(model='rtdetr-l-test.yaml')
    model.train(pretrained=True, data='data.yaml', epochs=300, batch=32, device=0, imgsz=640, workers=8)

在这里插入图片描述

在这里插入图片描述

训练完成后，将会在runs/detect/train/exp/weights文件夹下存放训练后的权重文件。

模型测试

（1）、在终端使用命令行进行测试

打开终端或新建终端后，输入命令：

yolo detect val data=data.yaml model=runs/detect/train/exp/weights/best.pt, batch=32, imgsz=640, split=test, device=0, workers=8

（2）、新建训练程序，配置参数进行训练

在项目根目录下新建val.py文件，输入以下内容后运行当前文件即可开始测试。

from ultralytics.models import RTDETR
 
 
if __name__ == '__main__':
    model = RTDETR(model='runs/train/exp/weights/best.pt')
    model.val(data='data.yaml',batch=32, device='0', imgsz=640, workers=8, split='test')

模型推理

在根目录新建detect.py，输入以下代码：

import warnings
warnings.filterwarnings('ignore')
from ultralytics import RTDETR
 
if __name__ == '__main__':
    model = RTDETR('runs/train/exp/weights/best.pt')
    model.predict(source='images',
                imgsz=640,
                device='0',
                save=True
                )

在推理阶段，mode模式为预测，mode= predict，模型使用训练完成的权重文件：runs/train/exp/weights/best.pt，source表示需要预测的图像文件路径。

总结

以上就是RT-DETR训练自己数据集的全部过程啦，欢迎大家在评论区交流~

专栏目录：RT-DETR改进目录一览 | 涉及卷积层、轻量化、注意力、损失函数、Backbone、SPPF、Neck、检测头等全方位改进

专栏地址：RT-DETR改进专栏——以发表论文的角度，快速准确的找到有效涨点的创新点！

手把手教程：RT-DETR如何训练自己的数据集 | NEU-DET钢材缺陷检测
会AI的学姐
11-08 9835
本文内容：1）RT-DETR原理介绍；2）RT-DETR如何训练自己的数据集
RT-DETR改进策略：BackBone改进|Swin Transformer，最强主干改进RT-DETR
m0_47867638的博客
09-16 2006
计算机视觉建模长期以来一直由卷积神经网络 (CNN) 主导。从 AlexNet [38] 及其在 ImageNet 图像分类挑战中的革命性表现开始，CNN 架构通过更大的规模 [29, 73]、更广泛的连接 [33] 和更复杂的卷积形式 [67, 17, 81]。随着 CNN 作为各种视觉任务的骨干网络，这些架构的进步导致了性能改进，从而广泛提升了整个领域。另一方面，自然语言处理 (NLP) 中网络架构的演变采取了不同的路径，如今流行的架构是 Transformer [61]。
手把手带你用RT-DETR模型部署训练自己的数据集
m0_61751664的博客
03-27 4595
本文主要介绍如何部署、训练RT-DETR模型，将从两种方式进行介绍：一种是RTDETR自带的项目文件，另一种是ultralytics仓库下将训练的模型改为rtdetr的基本模型。
rt-detr目标检测+python+tensorRT推理代码
06-28
该代码实现rt-detr的部署，使用python，调用tensorRT转换后的模型，实现单张图片或者图片文件夹批量推理，代码输入图片/文件夹路径，模型路径，输出图片保存路径，运行命令python ./infer_tensorrt.py --infer_dir=./inputimgs/ --output_dir ./outputimgs/ --models ./rtdetr_hgnetv2_l_6x_coco.trt，即可得到测试结果。
RTDETR融合[CVPR2025]ARConv中的自适应矩阵卷积
最新发布
深度学习炼丹师，偶尔分享炼丹技术!
03-14 1860
论文速览：基于卷积神经网络 （CNN） 的遥感全色锐化技术的最新进展显著提高了图像质量。然而，这些方法中的传统卷积模块有两个关键的缺点。首先，卷积运算中的采样位置被限制在一个固定的方形窗口内。其次，采样点的数量是预设的，保持不变。鉴于遥感图像中的物体大小不同，这些刚性参数会导致次优特征提取。为了克服这些限制，我们引入了一个创新的卷积模块，即自适应矩形卷积 （ARConv）。ARConv 自适应地学习卷积核的高度和宽度，并根据学习到的尺度动态调整采样点的数量。
RT-DETR rtdetr-r18 - ultralytics - YOLOv8版本训练自己的数据集
CSPhD-winston的博客
01-05 8149
码云参考：b站魔傀面具。
【使用YOLOv8下的RT-DETR训练自己的数据集】
weixin_44574971的博客
08-22 2076
对疟原虫细胞医学显微图像进行目标检测，使用RT-DETR对其进行检测训练，将原数据集分为训练集和验证集，测试集有单独的样本（不纳入训练）
学习笔记：RT-DETR训练自己的数据集(Pytorch)
x_rain_jay的博客
07-03 2467
简单按照参考文章1下载代码并尝试运行流程：前面与其保持一致，在第二步选择了自制数据集，因此在第三步有所不同，具体为我复制生成了一个新的yml文件，将其中的类别数改为自制数据集中的类别数（暂时未+1，detr中是需要＋1的，后续有改动会补充）至参考文章1的步骤三时，由于我使用的是自制的数据集，所以需要修改rtdetr_r18vd_6x_coco.yml路径。2.配置文件中的路径最好是绝对路径，因为这个官方代码的层级还是蛮多的，容易把人绕晕。将图片中的第一行中的路径修改正确即可。在运行后，遇到报错如下。
使用官方RT-DETR训练自己的数据集
Sep21m_wyy的博客
07-06 2089
【代码】使用官方RT-DETR训练自己的数据集。
transformer系列之一rt-detr目标检测模型环境搭建并训练自己的数据集
weixin_67615387的博客
04-21 3454
其中：tools文件是训练和模型导出的py文件，包含了模型训练和模型导出模块。文件内容如下：其中train.py主要是模型的训练接口。export_onnx.py主要是将pytorch模型转化为onnx模型方便后续部署。src文件主要包含了模型优化器，主干网络，数据加载，日子记录，配置文件的读取的源码。子文件如下：configs文件主要是模型的配置文件，可以通过模型设置配置文件进行模型训练前的配置。子文件如下：
RT-DETR训练自己的数据集
m0_55411900的博客
11-29 2240
论文地址：[2304.08069] DETR 在实时对象检测方面击败了 YOLO论文中提出了实时端到端检测器RT-DETR，成功地将DETR扩展到了实时检 测场景，并取得了较好的性能。RT-DETR 包括两个关键的增强：一个高效的混合 编码器，可以快速处理多尺度特征；以及不确定性最小的查询选择，可以提高初始 对象查询的质量。此外，RT-DETR 支持灵活的速度调整，无需重新训练，消除了 两个NMS门限带来的不便，便于实际应用。
使用官方版RT-DETR训练自己的数据集(Pytorch)
weixin_53895623的博客
12-20 1万+
RT-DETR训练自建数据集的步骤。
RT-DETR模型源码解析
weixin_58429528的博客
08-07 947
"""目的是将特定的函数（如 to(), cpu(), cuda(), half(), float() 等）应用到模型的张量上，但这些张量不能是模型的参数或已注册的缓冲区。'''举个例子，如果args = {'imgsz': 416, 'data': 'coco128.yaml', 'task': 'detect', 'batch_size': 8}，这里有一个明显的错误，'grfc' 很可能是一个拼写错误，应该是 'grpc'，这是一种常用于微服务架构的通信协议。
DETR训练自己的数据集
qq_45836365的博客
12-09 9000
本文记录利用官方提供的代码来训练验证自己的数据集的过程以及一些注意事项。该数据集原始的标签保存格式为yolo类型的txt文件，下面提供的代码能够实现数据集标签从txt文件到coco json格式的转化.该部分为利用训练得到的模型权重进行检测验证。在detr工程文件下的images文件夹存放所有待验证的图片，infer_results存放所有的验证结果。DETR需要的数据集格式为coco格式，其原始图片与标签分为训练集和验证集，其保存目录为。output_dir为保存训练得到的模型权重的地址。
基于RT-DETR的YOLOv8目标检测框架优化及其应用前景
shrgegrb的博客
02-28 947
RT-DETR是一个创新的目标检测框架，它结合了Transformer架构和传统的区域卷积特征提取策略。该方法的核心思想是利用Transformers的强大建模能力，来精确地捕捉图像中各个目标之间的空间关系，并通过高效的区域编码进一步提高检测精度。RT-DETR通过改进的变换器结构，突破了DETR（Detection Transformer）中传统的全局查询问题，提升了检测的性能和效率。
详解RT-DETR网络结构/数据集获取/环境搭建/训练/推理/验证/导出/部署
热门推荐
Snu77的博客
11-27 4万+
本文给大家带来是利用RT-DETR模训练自己的数据集，RT-DETR是一种新提出的目标检测模型，它利用的自注意力机制来处理图像数据。不同于YOLO通过连续的卷积层直接对图像区域进行分析，RT-DETR采用Transformer架构中的自注意力机制，这允许模型更有效地理解图像中不同部分之间的关系。这种方法使得RT-DETR在处理图像中的复杂场景和多对象环境时，能够展现出更高的准确性和效率。此外，RT-DETR在保持高精度的同时，也针对实时处理进行了优化，使其适合需要快速响应的应用场景。
【详细版】DETR系列之RT-DETR（2024 CVPR）
朴实无华的研究生活
03-12 2725
本文提出了一种名为RT-DETR的实时端到端目标检测器，解决了现有实时检测器在速度和精度上的问题。RT-DETR通过设计高效的混合编码器处理多尺度特征，并引入IoU感知查询选择来提高性能。实验结果显示，RT-DETR-L在COCO验证集上达到53.0%的平均精度(AP)，并在T4 GPU上达到114帧每秒(FPS)，而RT-DETR-X则达到54.8% AP和74 FPS，优于当前最先进的YOLO检测器。此外，RT-DETR-R50在精度和FPS方面也显著超越了其他同类检测器。
官方pytorch版本RT_DETR训练自己的数据集过程并导出结果
TracyGC的博客
12-08 3325
rtdetr_pytorch/configs/dataset/coco_detection.yml"里面把文件地址修改成自己的数据集地址，配制成my_coco.yml,同时修改需要训练"rtdetr_pytorch/configs/rtder/rtdetr_r50vd_m_6x_coco.yml"里面的数据集。然后利用"RT-DETR-main/rtdetr_pytorch/tools/train.py，记得加入configs。在前面的步骤中，利用配置好的。
RT-DETR（Pytorch）训练自己的数据集
weixin_42120861的博客
01-04 1734
rt-detr; 目标检测
rtdetr训练visdrone数据集
01-08
### 使用 RTDETR 模型训练 VisDrone 数据集 为了使用RTDETR模型训练VisDrone数据集，需先准备环境并下载所需的数据和预训练权重文件。安装必要的依赖库之后，可以按照特定的配置来调整超参数以适应VisDrone数据集的特点。 #### 准备工作 确保已安装PyTorch及相关依赖项，并设置好CUDA环境以便利用GPU加速计算过程[^1]。接着克隆包含RTDETR实现的仓库到本地机器上： ```bash git clone https://github.com/PaddlePaddle/PaddleDetection.git cd PaddleDetection pip install -r requirements.txt ``` 对于VisDrone数据集而言，需要将其转换成COCO格式，因为RTDETR默认支持这种标注方式。这一步骤可以通过编写简单的脚本来完成，具体细节取决于原始标签文件的具体结构[^2]。 #### 配置文件修改 打开`configs/rt_detr_500e_coco.yml`作为模板创建一个新的配置文件用于VisDrone项目。主要关注以下几个方面： - 修改类别数量(`num_classes`)匹配VisDrome中的目标种类数； - 调整输入图像大小(`input_size`)至适合无人机拍摄场景的比例； - 设置合适的批量处理尺寸(batch size)以及迭代次数(epochs)，考虑到硬件资源限制和个人需求做出适当的选择； 这些改动能够帮助更好地适配新数据源特性，从而提高最终检测效果[^3]。 #### 训练命令执行 当一切就绪后，在终端运行如下指令启动训练流程: ```bash python tools/train.py -c configs/custom_rt_detr_visdrone.yml --eval ``` 此命令会读取自定义好的配置文件来进行模型训练，并定期评估验证集上的性能表现。 ```yaml architecture: RTDETR use_gpu: true max_iters: 80000 batch_size: 8 pretrain_weights: https://paddledet.bj.bcebos.com/models/pretrained/ResNet50_vd_ssld_pretrained.pdparams weights: output/rt_detr_r50vd_fpn_500e_coco/best_model metric: VOC num_classes: 10 ... ``` 上述YAML片段展示了部分重要参数设定示例，实际应用时应根据具体情况灵活调整[^4]。
评论 79
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

Limiiiing

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