P2T训练自己的数据集

P2T模型是基于mmdetection框架的，所以训练自己的数据集的步骤是相通的。我主要借鉴了这篇文章Swin Transformer实战实例分割：训练自己的数据集

1.安装环境

python=3.8

pytorch系列适配cuda11.0

mmdetection(按官方文档安装即可)

以及其他要求的库

2.数据集准备

coco格式，制作教程有很多，这里就不写了

3.相关文件修改

类别数量修改：configs\_base_\models\...py(采用的骨干设置文件)，将其中的num_classes由80改为1，

修改configs\_base_\default_runtime.py中interval(用于设置log的保存间隔与总训练次数),load_from（可选）

 修改权重文件

修改configs/base/datasets/coco_instance.py中数据集路径

 

修改detection/configs/mask_rcnn_p2t_b_fpn_1x_coco.py中的max_epochs、lr

修改mmdet/core/evalution/class_names.py和mmdet/datasets/coco.py中的标签

def coco_classes():
      return ['cow']


class CocoDataset(CustomDataset):
 
      CLASSES = ('cow',)

训练：

cd detection

bash dist_train.sh configs/...py(权重文件) 8（gpus）