MMDetection使用自己的数据集搭建YOLOv3网络(Windows)

MMDetection使用自己的数据集搭建YOLOv3网络(Windows)

1.首先搭建MMDetection环境

步骤 0. 从官方网站下载并安装 Anaconda。

**步骤1.**创建并激活一个conda环境

conda create --name openmmlab python=3.8 -y
conda activate openmmlab

**步骤2.**基于 PyTorch 官方说明安装 PyTorch。

我这里使用1.8.2 LTS 版本 cuda11.1版本。cuda是向下兼容的，我是2060显卡

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch-lts -c conda-forge

**步骤3.**使用 MIM 安装 MMEngine 和 MMCV。

pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.0"

**步骤四.**安装 MMDetection。（这里使用源码安装，因为需要源码来实现使用自己的数据集）

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e .
# "-v" 指详细说明，或更多的输出
# "-e" 表示在可编辑模式下安装项目，因此对代码所做的任何本地修改都会生效，从而无需重新安装。

2.将自己的数据集转换成COCO数据集格式

本数据集使用Labelimg标注而成，是voc数据集，我使用的代码

3.训练

在标准数据集上训练预定义的模型（待更新） — MMDetection 3.0.0 文档

参考官方的历程，在config文件夹下新建一个自定义的文件夹。文件夹中新建一个.py文件。

将yolo/yolov3_d53_8xb8-ms-608-273e_coco.py文件内容复制过来。进行修改

num_classes修改成数据集中的类别数量。

注释掉dataset_type

加上你的数据集的根目录位置。

metainfo中 classed为分类信息，palette为框的颜色，有多少种类别，就保留对应的palette

修改标签文件路径和图片所在路径

python tools/train.py configs/yours/yours.py

和图片所在路径

python tools/train.py configs/yours/yours.py

即可开始训练。