detectron2训练自己的数据实现目标检测和关键点检测——制作转换自己的数据集
1. 配置
基本配置 | 版本号 |
---|---|
CPU | Intel® Core™ i5-8400 CPU @ 2.80GHz × 6 |
GPU | GeForce RTX 2070 SUPER/PCIe/SSE2 |
OS | Ubuntu18.04 |
python | 3.6.9 |
gcc | 5.5 |
g++ | 5.5 |
cuda | 10.0 |
pytorch | 1.5 |
如何配置环境请看我的另一篇博客: https://blog.csdn.net/weixin_43056275/article/details/107086719
2. 使用dlib的imglab标注工具标记图片
先将所有图片resize到640*640再标记, 因为训练detectron2的时候设置了size.
安装dlib的imglab工具自行网上查找安装教程
所有图片标记结束之后, 会有一个包含所有标记信息的xml文件, 接下来要将这个xml文件转换为coco的数据格式.
3. 转换xml文件为coco数据格式
之前我的博客有写过labelme标记目标检测的框生成的json如何转换为coco数据集格式, 单纯想要完成目标检测的可以使用labelme.
- 本文主要是多任务, 主要是为了关键点检测.
代码可参考:https://download.csdn.net/download/weixin_43056275/13694521
完成数据集的转换之后, 将文件和训练,验证的图片也放到相应的文件夹下.
annotations放入转换成的coco格式的训练集和验证集. - 修改代码中数据集的路径
接下来就是修改配置文件, 然后开始训练,见我的下一个博客
detectron2训练自己的数据实现目标检测和关键点检测(三) 修改配置文件和代码开始训练 .
参考:
https://github.com/facebookresearch/detectron2/blob/master/INSTALL.md
https://www.cnblogs.com/jiajiewu/p/12822267.html
https://blog.csdn.net/linghu8812/article/details/105701408
https://www.aiuai.cn/aifarm1288.html