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。