OpenMMLab 实战营打卡 - 第 5 课

OpenMMLab 实战营打卡 - 第 5 课

注：本博客仅用于个人上课随手笔记

计算机视觉之目标检测代码教学

一、上课笔记

1.mmdetection

主要任务：可以进行目标检测，实例分割和全景分割。

检测器detector主要结构：

backbone:主干特征提取网络

neck：特征融合

roi_head：不同网络不同任务都会有差异，可以选择一些bbox_head，实例分割还有mask_head等

以目标检测为例，其主要流程如下

其他结构定义和mmcls差不多，使用的是mmlab2.0风格。

2.主要数据集

Coco数据集，可用于目标检测，实例分割，全景分割的任务。

Coco数据集格式介绍：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-i638lHmE-1675842796594)(https://yuan-1314071695.cos.ap-nanjing.myqcloud.com/imgimage-20230208153336355.png)]

主要包含了images，annotations，categories三个目录，分别代表原图片，图片的注解（标签），类别。

image

id图片id width 宽 height高 filename文件名 license 使用合法性信息

anootations

segmentation为实例分割的信息,即一系列小的坐标点。

其中polygon格式：n个坐标，每个坐标有两个维度，共2 * n个值

bbox目标框信息，x y为左上角坐标，即离左上角的像素距离。

width height是框的长和宽,所有框的信息都会存到annotations中

category_id :检测框所属类别

categories

3.常用训练策略

二、课程疑惑

1.学习训练策略中，为什么训练是12或24轮轮？这么少的轮数能完成训练而不会导致欠拟合吗？