detectron2训练自己的数据集

先讲怎么做，再讲源码层面的东西

1. 数据集
   方便起见，请自行转化为coco样式，我是在这个基础上修改的，如果不想转数据集，那参照后面的例子自己写data_loader；

   coco数据集样式：[假设都在detectron2的工程目录下]

   • datasets
     • coco
       • annotations
         • instances_train2017.json
         • instances_val2017.json
       • train2017
         • image001.jpg
         • image002.jpg
         • image004.jpg
       • val2017
         • image003.jpg
         • image005.jpg

2. 以训练行人为例【只有person这一个类别】
   修改./detectron2/data/datasets/builtin_meta.py中的_get_coco_instances_meta()函数。
   在最后的return ret之前，直接注释这个函数的前面代码，把ret改成自己需要的部分，下面是我的代码：

   def _get_coco_instances_meta():
   #thing_ids = [k["id"] for k in COCO_CATEGORIES if k["isthing"] == 1]
   #thing_colors = [k["color"] for k in COCO_CATEGORIES if k["isthing"] == 1]
   #assert len(thing_ids) == 80, len(thing_ids)
   ## Mapping from the incontiguous COCO category id to an id in [0, 79]
   #thing_dataset_id_to_contiguous_id = {k: i for i, k in enumerate(thing_ids)}
   #thing_classes = [k["name"] for k in COCO_CATEGORIES if k["isthing"] == 1]
   #ret = {
   #    "thing_dataset_id_to_contiguous_id": thing_dataset_id_to_contiguous_id,
   #    "thing_classes": thing_classes,
   #    "thing_colors": thing_colors,
   #}
   
   ret = {
       "thing_dataset_id_to_contiguous_id": {1:0},
       "thing_classes": ["person"],
       "thing_colors": [[220,20,60]],
   }
   #print("my ret: ",ret)
   return ret
   

   注意点：

   • 我是做行人检测，所以修改的是_get_coco_instances_meta()函数，做分割和关键点的小伙伴绕行，可以看懂下面原理后自己修改；
   • ret的那二个字段就是我的行人标签，第一和第三个字段可以去builtin_meta.py最开始的