OpenMMLab 2023/02/07

该文介绍了使用MMDetection框架进行目标检测和实例分割的训练过程,包括在OpenBayes平台上下载预训练模型,编写和修改配置文件,启动训练,以及进行推理测试。同时,详细讲解了COCO数据集的格式和标注,以及如何在MMDetection中配置COCO数据集进行模型训练和测试。
摘要由CSDN通过智能技术生成

一、MMDectection简介

MMDetection主要支持目标检测和实例分割两类任务

本次教学基于Openbayes平台

(即刻连接人工智能 | OpenBayes 贝式计算)

二、如何训练自己的检测模型

下载预训练模型→编写配置文件

[基于已有配置文件进行修改:加载模型、减小训练轮次、改小学习率、启动训练、推理测试]

!min search mmdet --model '[模型名字]'
 
 
 
!mim download mmdet --config [配置文件名字] --dest [下载路径]
 
 
 
#查看配置文件
 
from mmcv import Config
 
config = Config.fromfile('[自己写的配置文件.py]')
 
print(config.pretty_text)
 
 
 
#启动训练
 
!mim train mmdet [py文件名]
 
 
 
训练完了需要推理
 
#一张图片上推理
 
from mmdet.apis imoort init_detector,inference_detector,show_result_pyplot
 
config_file=''
 
checkpoint_file=''
 
img='[测试文件路径]'
 
model=init_detector(config_file,checkpoint_file)
 
result=inference_detector(model,img)
 
show_result_pyplot(mode,img,result)
 
 
 
#整个数据集上推理
 
!mim test mmdet [配置文件.py] --checkpoint [训练出的模型文件路径] --show-dir [保存路径]

三、COCO数据集

简介

数据集格式

数据集标注格式

BBOX标注格式

pipeline数据处理流水线

MMDetection中配置COCO数据集

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
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