Detectron2训练自己的数据集（简洁）

网上看了很多博主写的代码，写的很好，就是看起来乱乱的，所以自己看了下官网的代码，下面这个方法比较简洁一点

一、这是需要添加的代码

from detectron2.data.datasets import register_coco_instances
register_coco_instances("my_dataset_train_name", {}, "path/to/json_annotation_train.json", "path/to/image/dir")
register_coco_instances("my_dataset_val_name", {}, "path/to/json_annotation_val.json", "path/to/image/dir")

二、如何添加

1.准备自己的数据集

要确保自己的数据集的格式是coco的，不然这个方法会报错，此方法只适用于coco格式的个人数据集。

2.找到 tools/train_net.py 文件

（不同的代码可能名称不太一样，确保该文件中定义了class Trainer(DefaultTrainer)，setup()和start_train()）

3.在上述的文件起始部分添加代码（自己修改相应的路径）

from detectron2.data.datasets import register_coco_instances
register_coco_instances("my_dataset_train_name", {}, "path/to/json_annotation_train.json", "path/to/image/dir")
register_coco_instances("my_dataset_val_name", {}, "path/to/json_annotation_val.json", "path/to/image/dir")

4.找到 BaseRetina.yaml ，修改 DATASETS 的声明，改成自己数据集的名称

DATASETS:
  TRAIN: ("my_dataset_train_name",)
  TEST: ("my_dataset_val_name",)

完成修改！
注意：自己数据集如果与coco格式不一致，会有报错