1、mmdetection配置

1、选择使用的算法

D:\pythonProject\mmaction2-main\mmdetection-main\configs\deformable_detr\deformable-detr_r50_16xb2-50e_coco.py

2、选择数据data，放在那里都可以只要能找到就行

D:\pythonProject\mmdetection-master\mmdet\data

可以使用labelme来进行图片的标注，表完后为json格式，要用脚本将其转换为coco数据集的格式
经典格式：1、COCO格式，比较通用
2、VOC格式
找脚本进行转换，标注工具中一般会自带脚本

D:\pythonProject\mmdetection-master\mmdet\data\json2coco.py

需要改的地方：
1、类别编号

#1、
classname_to_id = {
    "mask": 0, #改成自己的类别
    "person": 1
}

2、路径的更改

if __name__ == '__main__':
    #2、路径的更改
    labelme_path = "./labelme-data/maskdataset"#源路径
    saved_coco_path = "./labelme-data/coco-format"#保存的路径
    print('reading...')

3、算法的修改

1、D:\pythonProject\mmdetection-master\mmdet\core\evaluation\class_names.py
将coco_classes中的内容改成自己的
2、D:\pythonProject\mmdetection-master\mmdet\datasets\coco.py
在这里将此次datasets中的类别改成自己的
3、D:\pythonProject\mmdetection-master\configs\deformable_detr\my_deformable_detr_r50_16x2_50e_coco.py
需要将类别数量进行更改

 bbox_head=dict(
        type='DeformableDETRHead',
        num_query=300,
        num_classes=2,#这里改成类别的数量
        in_channels=2048,

4、将程序全部显示,报错也会有文件生成

将原算法的绝对路径复制，作为参数到tools\train.py中运行

D:\pythonProject\mmaction2-main\mmdetection-main\configs\deformable_detr\deformable-detr_r50_16xb2-50e_coco.py
D:\pythonProject\mmdetection-master\tools\train.py

在D:\pythonProject\mmdetection-master\tools\work_dirs\deformable_detr_r50_16x2_50e_coco中可以找到执行完的代码

就化成了全部显示的样子
可以将运行好的代码重命名后，保存到算法运行的地方，注意不要直接替换

5、注意这里的mmcv需要1.4.2，先去下载吧

如果项目要求很落后,那么两个思路:
1\新建一个环境去安装版本较低的配置文件 ==>但是若电脑较新,配置较高就会出现不兼容的问题
2\去github上找版本较高的项目,进行重新配置,那样的话,与老师将的版本不一致,有些代码更改的地方,就找不到了
两种各有弊端,但是用2起码可以跑出来

6、预训练模型的配置

将下载好的预训练模型放到哪里到可以,但是要注意这里需制定好路径信息

1\github打开mmdetection
2\找model zoo
3\找到自己所使用的算法
4\去里面找model的预训练模型
里面还有此算法的论文

7、配置文件

算法中不明白的参数,可以查看官网的详解
https://mmdetection.readthedocs.io/zh-cn/latest/user_guides/config.html

8、训练train

重复4,直接将程序进行训练即可
会在这里生成训练好的权重参数

D:\pythonProject\mmdetection-high\tools\work_dirs\deformable-detr_r50_16xb2-50e_coco

可以在算法中配置更改进行的轮数,活何时进行保存等

9、测试,用单个照片进行

传参之前先执行一下,看是否存在错误,虽然有错我也不会改
代码:

D:\pythonProject\mmdetection-high\demo\image_demo.py

至少需要传进去3 个参数
1\图片
2\算法
3\训练好的权重值

parser.add_argument(
        'inputs', type=str, help='Input image file or folder path.')
    parser.add_argument(
        'model',
        type=str,
        help='Config or checkpoint .pth file or the model name '
        'and alias defined in metafile. The model configuration '
        'file will try to read from .pth if the parameter is '
        'a .pth weights file.')
    parser.add_argument('--weights', default=None, help='Checkpoint file')

D:\\pythonProject\\mmdetection-high\\configs\\deformable_detr\\my_all_deformable-detr_r50_16xb2-50e_coco.py
D:\\pythonProject\\mmdetection-high\\tools\\work_dirs\\deformable-detr_r50_16xb2-50e_coco\\epoch_50.pth

--out
D:\\pythonProject\\mmdetection-high\\tools\\work_dirs\\deformable-detr_r50_16xb2-50e_coco\\test1.pkl
--show

10、进行数据分析

位置：D:\pythonProject\mmdetection-high\tools\analysis_tools\confusion_matrix.py
设置参数，运行
‘’’
D:\pythonProject\mmdetection-high\configs\deformable_detr\my_all_deformable-detr_r50_16xb2-50e_coco.py
D:\pythonProject\mmdetection-high\tools\work_dirs\deformable-detr_r50_16xb2-50e_coco\test1.pkl
D:\pythonProject\mmdetection-high\tools\work_dirs\deformable-detr_r50_16xb2-50e_coco\
–show
‘’'参数设置

11、