使用voc格式样本训练

修改mmdet/datasets/voc.py文件中类别，注意格式别出错

CLASSES = ('bird-nest',)

然后修改配置文件，其中img_scale是你输入图片的宽高，num_classes=数据集类别数+1(背景)，其他超参按照官网教程修改即可。

如果要做精度评价的话，要记得修改mmdet/core/evaluation/class_names.py中的类别跟数据集的类别一致。

检测并保存结果(添加nms)

由于我在超算上运行，所以没有做结果显示，只是保存为了jpg
在根目录下新建一个demo.py文件，并运行。

import mmcv
import os
import numpy as np
from mmcv.runner import load_checkpoint
from mmdet.models import build_detector
from mmdet.apis import init_detector, inference_detector, show_resultmodel = init_detector('configs/pascal_voc/faster_rcnn_r50_fpn_1x_voc0712.py', 'work_dirs/faster_rcnn_r50_fpn_1x_voc0712/epoch_8.pth', device='cuda:0')input_dir = 'data/VOCdevkit/VOC2007/JPEGImages/'
out_dir = 'results/'if not os.path.exists(out_dir):os.mkdir(out_dir)def py_cpu_nms(dets, thresh):"""Pure Python NMS baseline."""dets = np.array(dets)x1 = dets[:, 0]y1 = dets[:, 1]x2 = dets[:, 2]y2 = dets[:, 3]scores = dets[:, 4]areas = (x2 - x1 + 1) * (y2 - y1 + 1)order = scores.argsort()[::-1]keep = []while order.size > 0:i = order[0]keep.append(i)xx1 = np.maximum(x1[i], x1[order[1:]])yy1 = np.maximum(y1[i], y1[order[1:]])xx2 = np.minimum(x2[i], x2[order[1:]])yy2 = np.minimum(y2[i], y2[order[1:]])w = np.maximum(0.0, xx2 - xx1 + 1)h = np.maximum(0.0, yy2 - yy1 + 1)inter = w * hovr = inter / (areas[i] + areas[order[1:]] - inter + 0.000000000001)inds = np.where(ovr <= thresh)[0]order = order[inds + 1]return keepdef nms_cpu(total_detections, classnames, thresh=0.5):for i in range(len(classnames)):keep = py_cpu_nms(total_detections[i], thresh)total_detections[i] = total_detections[i][keep]return total_detectionsfiles = os.listdir(input_dir)
if len(files) != 0:for file in files:name = os.path.splitext(file)[0]print ('detecting: ' + name)img = mmcv.imread(os.path.join(input_dir, file))img_resize = mmcv.imresize(img, (2000, 1500))result = inference_detector(model, img_resize)result = nms_cpu(result, model.CLASSES, 0.1)result_img = draw_result(img_resize, result, model.CLASSES, score_thr=0.3, out_file=os.path.join(out_dir, name + '.jpg'))

使用mmdetection检测并存储结果相关推荐

android检测usb存储,USBdevice识别为存储设备并找到路径
如何检测可用于存储的已安装设备(如Pen-Drive)?如何找到安装的存储设备的路径,以便我可以从中读取文件?USBdevice识别为存储设备并找到路径我用下面取权限访问安装器件广播接收机: pri ...
怎么看mmdetection版本_如何评价商汤开源的 mm-detection 检测库？
万年潜水党,上来答一发. 利益相关:名字在 author list 里. 今天(10.12)正式开源了两个项目,mmcv 和 mmdetection.(划重点:for pure research) m ...
android检测usb存储,android 监听检测USB存储设备
1,USB存储设备(如:U盘,移动硬盘): //USB存储设备插拔监听与 SD卡插拔监听一致. private USBBroadCastReceiver mBroadcastReceiver; In ...
mmdetection
参考: mmdetection检测训练和源码解读源码解读图像目标检测之cascade-rcnn实践 mmdetection添加focal loss mmdetection,训练自己的数据训练自定 ...
docker 容器环境检测方法
1.背景现在有研究表明,人们目前有使用Docker进行恶意代码重现工作的倾向.Docker的反检测可分为三部分:CPU反检测,内存反检测和存储数据反检测.该技术利用了AUFS的层叠镜像技术,使得我们 ...
视频监控/存储系统设计要点
视频监控系统包括以下组成部分: 编号模块名称功能及备注 1 设备代理系统与前端设备进行通信 2 报警接收/存储报警信息(外部报警) 3 流媒体转发视频流,因为设备并发连接有限,通常配备多个网 ...
OpenCV isContinuous()连续存储的问题
OpenCV isContinuous()连续存储的问题 [尊重原创,转载请注明出处]http://blog.csdn.net/guyuealian/article/details/78614662 ...
如何正确的检测对象类型？
在 javascript 中,我们常常用 typeof 运算符来检测对象的类型,在使用 typeof 检测引用类型的存储值会出现一个问题,无论引用的是什么类型的对象,它都会返回 "objec ...
CVPR 2019 Oral | 京东目标检测算法ScratchDet的深入思考
本文为CVPR 2019 Oral ScratchDet算法的第一作者朱睿投稿,转载自作者公众号BringYourOwnVision,欢迎大家于文末右下角关注. 使用ImageNet预训练的网络模型能 ...

使用mmdetection检测并存储结果

使用mmdetection检测并存储结果

使用voc格式样本训练

检测并保存结果(添加nms)

使用mmdetection检测并存储结果相关推荐

最新文章

热门文章