mmdetection训练自己的数据集

总流程

• 下载项目 项目克隆地址
• 准备数据集
• 修改参数训练

1.数据集准备（以COCO数据集为例）

建议使用COCO格式，利用一键生成数据集网站（可生成多种格式）
网站地址：roboflow
参考文章：roboflow导出数据集

导出的格式如下图：

将三个文件夹的annotations文件全部移动到新建的annotations文件夹，train中的照片复制到到新建的train2017，test中的照片复制到新文件夹test2017，最后的COCO数据集如下图所示

文件夹结构如下

--annotations
	--instances_test2017.json
	--instances_train2017.json
	--instances_val2017.json
--train2017
	--img...
	--img...
	...
--test2017
	--img..
	--img..

2.配置文件修改

1.新建配置文件文件夹

在mmdetection总目录下新建config文件（仅仅为了便于管理）

2.复制所需网络的config至你新建的config文件夹（以fasterrcnn为例）

将–mmdetection --configs --faster_rcnn中的faster_rcnn_r50_fpn_1x_coco.py复制到config文件

3.修改config文件

这里_base_后面有多个地址，相当于继承地址中的参数，分别有model文件、dataset文件、schdule文件、runtime文件。我们只需修改相对地址到mmdetection下面的configs中的_base_文件夹即可。

								**----------------------------------------------------------
		特别注意：由于我们新建了config目录，所以复制过去之后相对路径会变成  ../configs/_base_/...而不是../base/...
								--------------------------------------------------------**

4.修改model文件

如上图，config文件继承了…/base/models/faster_rcnn_r50_fpn.py，因此我们需要对该文件进行修改，

5.修改coco.py中的类别

6.修改coco_detetion.py

3.程序运行

1.终端运行（在mmdetection目录下运行）

运行你改好的config文件

python tools/train.py configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py

2.简单调参

参数在config文件夹继承的schedule中：如下图

3.容易出现的问题

因为mmdetection原先设置的学习率比较大，可能会存在不收敛的问题，如果结果不收敛，在复制的config中调整初始学习率，或者在config继承的schedule.py文件中调节。