OpenMMlab实训营（五）

MMDetection代码实践

1.介绍

MMDetection 提供 400 余个性能优良的预训练模型，开箱即用，几行 Python API 即可调用强大的检测能力。 MMDetection 涵盖 60 余个目标检测算法，并提供方便易用的工具，经过简单的配置文件改写和调参就可以训练自己的目标检测模型，MMDetection 代码库结构如下图所示。

安装：可以使用 MIM 配置 MMCV 和 MMDetection。

2.配置文件

在 OpenMMLab 项目中，所有这些项目都涵盖在一个配置文件中，一个配置文件定义了一个完整的训练过程，包含下列：
− model 字段定义模型
− data 字段定义数据
− optimizer、lr_config 等字段定义训练策略
− load_from 字段定义与训练模型的参数文件

3.训练模型

深度学习模型的训练涉及几个方面：
− 模型结构 模型有几层、每层多少通道数等等
− 数据集 用什么数据训练模型：数据集划分、数据文件路径、数据增强策略等等
− 训练策略 梯度下降算法、学习率参数、batch_size、训练总轮次、学习率变化策略等等
− 运行时 GPU、分布式环境配置等等
− 一些辅助功能 如打印日志、定时保存checkpoint等等

训练新模型通常有三个步骤:
1、支持新数据集
2、修改配置文件
3、训练模型

而MMDetection中有三种方法来支持新数据集:
1、将数据集整理为COCO格式
2、将数据集整理为中间格式
3、直接实现新数据集的支持

coco格式如下图所示：