detectron2训练自己的数据实现目标检测和关键点检测(二) 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.

1. 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.
2. 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