从零开始使用Detectron训练第三方数据集是什么体验（五）

从零开始使用Detectron训练第三方数据集是什么体验（五）

本栏目分为6个部分：

• 第1部分：Detectron框架简介与安装
• 第2部分（本文）：使用LabelImgPlus对图片进行标注
• 第3部分：数据集处理
• 第4部分：在detectron上部署数据集
• 第5部分（本文）：训练
• 第6部分：测试
  GitHub： https://github.com/zhiweichen95/detectron_my

第5部分：训练

0 前言

  数据集在detectron框架中部署好之后，数据集相关的工作就已经完成辣~本章节将对训练部分做详细介绍。本项目使用的是retinanet网络。

1 配置yaml文件

  在Detectron\configs\12_2017_baselines目录下，复制文件retinanet_R-50-FPN_1x.yaml，放到另一个目录（这其实就是①为了备份一下②方便使用）。
  如：本人将retinanet_R-50-FPN_1x.yaml复制到Detectron\configs\my目录下重命名为retinanet_R-50-FPN_1x1.0.yaml

2 修改yaml文件

  对retinanet_R-50-FPN_1x1.0.yaml进行修改，如下图：

• NUM_CLASSES：类别+1 ==> 3+1=4
• WEIGHTS：可以自己根据给出的网址下载权重然后指定路径；也可以默认不改。
• TRAIN：DATASETS：之前生成的voc_2007_train.json ==>(‘voc_2007_train’,)
• TEST：DATASETS：之前生成的voc_2007_test.json ==>(‘voc_2007_test’,)

3 开始训练

cd到$Detectron目录下执行命令：

./tools/train.py --cfg configs/my/retinanet_R-50-FPN_1x1.0.yaml OUTPUT_DIR experiments/1.0/

• --cfg ：配置文件路径
• OUTPUT_DIR：训练的输出路径

接下来就是自行训练过程了~

---

第五部分到此结束。如有任何问题，欢迎留言交流学习。

关于yaml配置文件的疑问也欢迎留言交流喔~