一环境说明

基于前述安装MMDetection，数据集为VOC格式，主要版本如下：

Python：3.7.8
CUDA：11.3
cuDNN：8.4.0
torch：1.12.0
torchvision：0.13.0
mmcv-full：1.6.0
MMDetection：2.25.3

二数据集准备

使用VOC格式进行模型训练，利用labelimg对图像进行标注，生成xml文件，准备好图片和标注文件，并对数据集进行划分，文件目录如下图所示。

mmdetection
├── mmdet
├── tools
├── configs
├── dataset
│   ├── ACID  # 自己给数据集取名字
│   │   ├── VOC2007
│   │   │   ├── Annotations # xml文件
│   │   │   ├── JPEGImages # 图片文件
│   │   │   ├── ImageSets
│   │   │   │   ├── Main
│   │   │   │   │   ├── test.txt
│   │   │   │   │   ├── trainval.txt

三修改默认labels

1、在 .\mmdetection-v2.25.3\mmdet\core\evaluation\class_names.py中，修改函数

voc_classes下面的默认类别，修改为自己标注的类别。

def voc_classes():# return [#     'aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car', 'cat',#     'chair', 'cow', 'diningtable', 'dog', 'horse', 'motorbike', 'person',#     'pottedplant', 'sheep', 'sofa', 'train', 'tvmonitor'# ]# SODA的数据标签，一共 15 个# 把配电箱 ebox，写成了 electric box，一直报错，所以要先检查labels# return [#     'person', 'vest', 'helmet', 'board', 'wood',#     'rebar', 'brick', 'scaffold', 'handcart', 'cutter',#     'ebox', 'hopper', 'hook', 'fence', 'slogan'# ]# ACID数据集标签，一共3个return ['excavator', 'dump_truck', 'concrete_mixer_truck']

2、在 .\mmdetection-v2.25.3\mmdet\datasets\voc.py中，修改默认的VOC CLASSES为自己标注的类别，如下图所示。

class VOCDataset(XMLDataset):# CLASSES = ('aeroplane', 'bicycle', 'bird', 'boat', 'bottle', 'bus', 'car',#            'cat', 'chair', 'cow', 'diningtable', 'dog', 'horse',#            'motorbike', 'person', 'pottedplant', 'sheep', 'sofa', 'train',#            'tvmonitor')# 修改为 SODA的类别# CLASSES = ('person', 'vest', 'helmet', 'board', 'wood',#             'rebar', 'brick', 'scaffold', 'handcart', 'cutter',#             'ebox', 'hopper', 'hook', 'fence', 'slogan')# ACID的类别，3个 'excavator', 'dump_truck', 'concrete_mixer_truck'CLASSES = ('excavator', 'dump_truck', 'concrete_mixer_truck')

四选择模型

在 .\mmdetection-v2.25.3\configs文件夹下，有很多模型，到底选择哪一个，到底那个支持VOC格式进行直接训练呢？

目前，支持VOC直接训练的模型在 .\mmdetection-v2.25.3\configs\pascal_voc文件夹下，模型的数量不多，主要模型如下图所示。

默认都是COCO格式的，COCO格式的模型也是可以手动改为VOC格式的，那个后面再说。

【刚开始以为随便一个模型都可以用来训练数据，结果报莫名其妙的错误】

五生成模型全部配置文件

当选择好模型后，需要对进行模型的参数进行配置，一种比较好的方法是生成单独的全部的配置文件，具体操作方法如下：

python tools/train.py configs/pascal_voc/faster_rcnn_r50_fpn_1x_voc0712.py --work-dir VOC_SSD300

生成的配置文件在定义的工作目录下，下一步对配置文件进行配置即可。

六配置文件修改

重点修改标注的类别数，数据的路径，结果保存路径，大部分都不需要修改了。

num_classes=3  # 类别数dataset_type = 'VOCDataset'
data_root = 'dataset/A/'ann_file='dataset/A/VOC2007/ImageSets/Main/test.txt'
img_prefix='dataset/A/VOC2007/',work_dir = 'VOC_SSD300'  # 工作目录load_from = None  # 预训练模型

七预训练模型下载

训练时通常加载预训练模型，一种方法是直接取model zoo下载，另一种是使用命令直接下载，指定配置文件名称和下载路径即可。

mim download mmdet --config yolov3_mobilenetv2_mstrain-416_300e_coco --dest checkpoints

八训练模型

模型训练的脚本就比较简单了，指定你配置文件的路径和结果保存路径即可，如下：

python tools/train.py my_config\ssd300_voc0712.py --work-dir VOC_SSD300

LAST 可能会遇到的问题

1、class_names.py和voc.py中的类别都改了，但训练的时候还是报错：

AssertionError: The `num_classes` (15) in SSDHead of MMDataParallel does not matches the length of `CLASSES` 20) in RepeatDatasetn

你定义的类别数和默认的VOC的20个类别不一致，但是你已经改了文件，就是不起作业，解决方法见下图，将修改好的2个文件替换到安装包里的。

2、待补充

基于MMDetection训练VOC格式数据集相关推荐

SSD-MobileNetv2之Ubuntu18.04训练VOC格式数据集-超详细
Ubuntu** python3.6 tensorflow1.15.0 TensorFlow Object Detection API下载 https://github.com/tensorflow/ ...
YOLOv5手把手教你制作VOC格式数据集与模型训练
引言 2020年2月YOLO之父Joseph Redmon宣布退出计算机视觉研究领域,2020 年 4 月 23 日YOLOv4 发布,2020 年 6 月 10 日YOLOv5发布. YOLOv5源 ...
【机器学习】 - 目标检测 - VOC格式数据集介绍与自己制作
一.VOC数据集 PASCAL VOC 挑战赛主要有 Object Classification .Object Detection.Object Segmentation.Human Layout. ...
玩转肺癌目标检测数据集Lung-PET-CT-Dx ——④转换成PASCAL VOC格式数据集
文章目录关于PASCAL VOC数据集目录结构 ①创建VOC数据集的几个相关目录 XML文件的形式 ②读取dcm文件与xml文件的配对关系 ③创建VOC格式数据集 ④创建训练.验证集本文所用代码 ...
yolov7运行自己的VOC格式数据集
yolov7运行VOC格式数据集代码下载测试开发环境使用自己的VOC格式数据集训练修改配置文件yolov7.yaml 修改配置文件voc.yaml VOC格式数据集转换COCO格式开始训练 ...
制作VOC格式数据集的train.txt、val.txt文件
一.前言在以前的文章中已经聊过 VOC数据集的组织结构和 VOC格式数据集转yolo(darknet)格式. 当我们按照组织结构将自己的图片和xml标注文件放在指定文件夹下之后,在转换时我们还需要 ...
VOC格式数据集操作类构建-2.统计数据集各类别标签数目和剪裁图像中标注框并保存图片
总目标:建立VOC格式数据集类以及操作内置函数 github项目地址(附有使用说明书): https://github.com/A-mockingbird/VOCtype-datasetOperati ...
基于darknet-yolov4训练自己的数据集
基于darknet-yolov4训练自己的数据集一.环境配置 git clone http://github.com/pjreddie/darknet.gitcd darknetmake 二.训练自 ...
利用COCO API测试自己数据集训练的YOLOv3模型的mAP（VOC格式数据集）
目录工具前言生成标注集的json文件数据集准备将voc注解格式数据集的注解转换成txt注解格式自定义数据集的注解转换成coco的注解格式生成结果集的json文件安装darknet 获取 ...

基于MMDetection训练VOC格式数据集

一环境说明

二数据集准备

三修改默认labels

四选择模型

五生成模型全部配置文件

六配置文件修改

七预训练模型下载

八训练模型

LAST 可能会遇到的问题

基于MMDetection训练VOC格式数据集相关推荐

最新文章

热门文章

基于MMDetection训练VOC格式数据集

一 环境说明

二 数据集准备

三 修改默认labels

四 选择模型

五 生成模型全部配置文件

六 配置文件修改

七 预训练模型下载

八 训练模型

LAST 可能会遇到的问题

基于MMDetection训练VOC格式数据集相关推荐

最新文章

热门文章

一环境说明

二数据集准备

三修改默认labels

四选择模型

五生成模型全部配置文件

六配置文件修改

七预训练模型下载

八训练模型