mmdetection训练自己的数据集

总流程

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COCO格式

导出的格式如下图:
在这里插入图片描述
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
在这里插入图片描述
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/...
								--------------------------------------------------------**

在这里插入图片描述

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,
在这里插入图片描述

5.修改coco.py中的类别

在这里插入图片描述

6.修改coco_detetion.py

在这里插入图片描述

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

在这里插入图片描述

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。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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