mmdet新建个人数据集

新建数据集几步操作：

1. 在mmdet/datasets路径下，添加你的数据集类，如SIXray，新建sixray.py文件

@DATASETS.register_module()
class SIXrayDataset(XMLDataset):

    CLASSES = ('Gun', 'Knife', 'Scissors', 'Wrench', 'Pliers')

2.在mmdet/datasets路径下的_init_.py中注册你的类

from .sixray import SIXrayDataset

__all__ = [
    'CustomDataset', 'XMLDataset', 'CocoDataset', 'DeepFashionDataset',
    'VOCDataset', 'CityscapesDataset', 'LVISDataset', 'LVISV05Dataset',
    'LVISV1Dataset', 'GroupSampler', 'DistributedGroupSampler',
    'DistributedSampler', 'build_dataloader', 'ConcatDataset', 'RepeatDataset',
    'ClassBalancedDataset', 'WIDERFaceDataset', 'DATASETS', 'PIPELINES',
    'build_dataset', 'replace_ImageToTensor', 'get_loading_pipeline',
    'NumClassCheckHook', 'CocoPanopticDataset', 'MultiImageMixDataset',
    'OpenImagesDataset', 'OpenImagesChallengeDataset', 'SIXrayDataset'
]

在最后加上你的类。

3. SIXray类别，和voc类似，还需再新建一个配置文件，描述数据集的位置等信息，在configs/_base_/datasets中，新建SIXray.py文件，对类进行描述

# dataset settings
dataset_type = 'SIXrayDataset'
data_root = '/home/user/mmdetection/data/VOCdevkit/'
img_norm_cfg = dict(
    mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(type='LoadAnnotations', with_bbox=True),
    dict(type='Resize', img_scale=(1000, 600), keep_ratio=True),
    dict(type='RandomFlip', flip_ratio=0.5),
    dict(type='Normalize', **img_norm_cfg),
    dict(type='Pad', size_divisor=32),
    dict(type='DefaultFormatBundle'),
    dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']),
]
test_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(
        type='MultiScaleFlipAug',
        img_scale=(1000, 600),
        flip=False,
        transforms=[
            dict(type='Resize', keep_ratio=True),
            dict(type='RandomFlip'),
            dict(type='Normalize', **img_norm_cfg),
            dict(type='Pad', size_divisor=32),
            dict(type='ImageToTensor', keys=['img']),
            dict(type='Collect', keys=['img']),
        ])
]
data = dict(
    samples_per_gpu=2,
    workers_per_gpu=2,
    train=dict(
        type='RepeatDataset',
        times=3,
        dataset=dict(
            type=dataset_type,
            ann_file=data_root + 'SIXray/ImageSets/Main/trainval.txt',
            img_prefix=data_root + 'SIXray',
            pipeline=train_pipeline)),
    val=dict(
        type=dataset_type,
        ann_file=data_root + 'SIXray/ImageSets/Main/test.txt',
        img_prefix=data_root + 'SIXray',
        pipeline=test_pipeline),
    test=dict(
        type=dataset_type,
        ann_file=data_root + 'SIXray/ImageSets/Main/test-big.txt',
        img_prefix=data_root + 'SIXray',
        pipeline=test_pipeline))
evaluation = dict(interval=1, metric='mAP')

这里，基本参照voc.py进行修改

以上3步，即可实现新建类文件。

通过train.py执行，观察dataset是否成功加载。

train.py中，通过

    datasets = [build_dataset(cfg.data.train)]

代码加载数据集

加载成功后，可看到dataset的list数量为你设置的训练图像数量

如果list为0，表示加载失败，再检查。

路径等问题会报错，但类别名字不匹配不会报错，代码认为没有符合的数据，不加载。