用mmdetection训练和测试自己的数据集（LabelImg，xml，VOC格式）

最新推荐文章于 2024-09-04 12:10:54 发布

ggtired

最新推荐文章于 2024-09-04 12:10:54 发布

阅读量7.3k

点赞数 5

文章标签： --eval voc mmdetection xml

本文链接：https://blog.csdn.net/weixin_36642958/article/details/96905866

版权

本文介绍了如何使用mmdetection框架训练和测试自定义的VOC格式数据集，包括LabelImg标注、数据集组织、预训练模型下载、配置文件修改、训练、测试和评估步骤。

摘要由CSDN通过智能技术生成

前提：当你安装好mmdetection后

1.用LabelImg标注自己的数据集，获得与照片对应的一堆xml文件

（注：如果你是先在别的电脑用LabelImg标注，xml文件里的<folder>属性会与之后放在服务器里不一样。建议将图片文件统一放在一个命名为“VOC2007”或“VOC2012”的文件夹下再开始标注）

图片文件名不要有中文

2.按VOC的格式放置好自己的数据集

在mmdetection文件夹下新建一个“data”文件夹

在data文件夹下再新建一个“VOCdevkit”文件夹（注意大小写）

在VOCdevkit文件夹下新建一个文件夹叫“VOC2007”或“VOC2012”

之后就是开始放置数据集了：

在VOC2007数据集下分别建“Annotations”和“ImageSets”和“JPEGImages”三个文件夹

在“Annotations”文件夹中放入你所有的xml标注文件

在“JPEGImages”文件夹中放入你数据集里的所有照片

在“ImgaeSets”文件夹中再新建一个“Main”文件夹，在“Main”中放入“train.txt”，"trainval.txt","val.txt","test.txt"。（一开始训练阶段时没有test.txt也可以运行train.py）

这些txt文件里保存的是图片的名字，如图

这里提供一个简易的划分数据集代码（获得四个txt）

import os
import random
 
trainval_percent = 0.8
train_percent = 0.75
xmlfilepath = 'G:\dangerousCarDetect\VOC2007\Annotations'
txtsavepath = 'G:\dangerousCarDetect\VOC2007\main'
total_xml = os.listdir(xmlfilepath)
 
num=len(total_xml)
list=range(num)
tv=int(num*trainval_percent)
tr=int(tv*train_percent)
trainval= random.sample(list,tv)
train=random.sample(trainval,tr)
 
ftrainval = open(r'G:\dangerousCarDetect\VOC2007\main\trainval.txt', 'w')
ftest = open(r'G:\dangerousCarDetect\VOC2007\main\test.txt', 'w')
ftrain = open(r'G:\dangerousCarDetect\VOC2007\main\train.txt', 'w')
fval = open(r'G:\dangerousCarDetect\VOC2007\main\val.txt', 'w')
 
for i  in list:
    name=total_xml[i][:-4]+'\n'
    if i in trainval:
        ftrainval.write(name)
        if i in train:
            ftrain.write(name)
        else:
            fval.write(name)
    else:
        ftest.write(name)
 
ftrainval.close()
ftrain.close()
fval.close()
ftest .close()