MMDetection的干货总结

MMDetection的干货总结

1.无法按照github官网的命令运行demo或者运行完之后没反应

python demo/image_demo.py demo/demo.jpg configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py \
    checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth --device cpu

pytorch1.6很容易造成无法使用demo或者运行完报有关CLASSEA、checkpoint警告的错误。建议使用pyyorch1.5版本和对应的cuda。我的版本是pytorch1.5.0+cuda10.1，环境是Ubuntu20.04。

2.关于无法import show_result的问题
百度MMDetection教程，我们可以发现很多教程都有这样一句：

from mmdet.apis import init_detector, inference_detector, show_result

但是现在show_result已经不在apis里了。我也是知乎上经大佬指点之后去了github留言区找问题，发现现在show_result已经转到了 mmdet.models.detectors 的BaseDetector下。
(https://github.com/open-mmlab/mmdetection/issues/3771)

但是其实安装官网给的“High-level APIs for testing images”已经是不需要我们直接用这个show_result了。当然想自己试试的也可以用。

3.data 和checkpoints两个文件夹需要在mmdetection下自己创建
data的文件格式安装官方的样子存放就能省很多修改配置文件的麻烦，如果是用自己的数据集，别忘记修改配置文件。配置文件在mmdetection/configs/base/datasets下。

4.训练前需要改配置的几个文件
以我用的VOC数据集为例，我训练前需要改的文件是：

以上三个文件夹在上面说的__base__下。

另外还有一个配置文件是：
在configs/retinanet中。

各个文件中参数的含义可以参考其它博主的博客：
mmdetection的configs中的各项参数具体解释

以上四个配置文件中需要注意的地方有：
voc0712.py:

dataset_type和data_root是不是自己数据集的位置。

这些data_root的地方注意是不是自己数据集对应的地方。

schedule_1x.py：
可以根据自己的需要调整学习率，或者训练次数什么的。

retinanet_r50_fpn.py：
根据自己的需要调整网络结构。需要注意的是num_classes的值要改成自己数据集种类的数量。像我用VOC这里就是20，如果用COCO是80。

还有mmdetection/mmdet/datasets下的对应配置文件也需要修改，
这里需要把类的名称修改成自己数据集的对应类名称。

具体的还是看官方文档吧。
mmdetection New Data

retinanet_r50_fpn_1x_coco.py:
注意把“…/base/datasets/coco_detection.py”改成自己对应的py文件。

这里有个optimizer，下面的配置文件"schedule.py"里也有个optimizer。这一点我也没弄明白，只知道两个可以共存也可以注释掉一个。如果有人知道他们的关系请告诉我，我也很想知道。._.

5.补充：
checkpoints里的.pth权重预训练文件可以在mmdetection/configs/faster_rcnn/README.md（以faster_rcnn为例）里找到下载链接。

最后，我也是刚开始用这个MMDetection。我发现自从它更新之后，网上很多教程都不适用了，因此走了很多坑。如果用什么不对的地方欢迎指正。