yolact-训练自己的数据集

yolact简介

安装labelme

pip3 install labelmelabelme

打开后放入图片并进行标注，如：

[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-KIuYm0eW-1616588123325)(C:\Users\zhong\AppData\Roaming\Typora\typora-user-images\image-20210324195647022.png)]

寻找合适的图片并进行一一标注，保存后会生成对应的json文件。

下载代码并安装必要的程序包

git clone https://github.com/x0rzkov/yolact-mini-docker.git

模型训练

更改…/data/config.py文件

1.更改custom相关信息

CUSTOM_CLASSES = ('smoke',)  #如果只有一样物件需要加上,CUSTOM_LABEL_MAP = {1: 1}custom_dataset = Config({'name': 'Custom dataset','train_images': '/home/jiang/yolact-mini-docker/results/images/output/',  # No need to add 'JPEGImages/'.'train_info': '/home/jiang/yolact-mini-docker/results/images/output/annotations.json','valid_images': '/home/jiang/yolact-mini-docker/results/images/output/','valid_info': '/home/jiang/yolact-mini-docker/results/images/output/annotations.json','class_names': CUSTOM_CLASSES})
#修改路径                         res101_custom_config = res101_coco_config.copy({'name': 'res101_custom','dataset': custom_dataset,'num_classes': len(custom_dataset.class_names) + 1,'batch_size': 8,'img_size': 550,  # image size'max_iter': 800000,'backbone': resnet101_backbone,# During training, first compute the maximum gt IoU for each prior.# Then, for priors whose maximum IoU is over the positive threshold, marked as positive.# For priors whose maximum IoU is less than the negative threshold, marked as negative.# The rest are neutral ones and are not used to calculate the loss.'pos_iou_thre': 0.5,'neg_iou_thre': 0.4,# If less than 1, anchors treated as a negative that have a crowd iou over this threshold with# the crowd boxes will be treated as a neutral.'crowd_iou_threshold': 0.7,'conf_alpha': 1,'bbox_alpha': 1.5,'mask_alpha': 6.125,# Learning rate'lr_steps': (280000, 600000, 700000, 750000),#'lr_steps': (280000,360000,400000),'lr': 1e-3,'momentum': 0.9,'decay': 5e-4,# warm up setting'warmup_init': 1e-4,'warmup_until': 500,# The max number of masks to train for one image.'masks_to_train': 100,# anchor settings'scales': [24, 48, 96, 192, 384],'aspect_ratios': [1, 1 / 2, 2],'use_square_anchors': True,  # This is for backward compatability with a bug.# Whether to train the semantic segmentations branch, this branch is only implemented during training.'train_semantic': True,'semantic_alpha': 1,# postprocess hyperparameters'conf_thre': 0.05,'nms_thre': 0.5,'top_k': 200,'max_detections': 100,# Freeze the backbone bn layer during training, other additional bn layers after the backbone will not be frozen.'freeze_bn': False,'label_map': CUSTOM_LABEL_MAP})
#将res101_custom_config替换成可改动的参数

在该目录下定义一个labels.txt文件

__ignore__
_background_
smoke

在utils目录下执行

python3 labelme2coco.py your-image-and-labelme-json-path your-expected-output-folder --labels the-path-of-labels.txt#样例
python3 labelme2coco.py /home/jiang/yolact-mini-docker/image /home/jiang/yolact-mini-docker/results/images/output --labels /home/jiang/yolact-mini-docker/labels.txt
#注意每次执行这句语句需要清空上次生成的文件夹

执行之后会生成一个文件夹并将之前标注过的图片放入，并会生成一个对应的annotations.json文件

训练

python3 train.py --config=res101_custom_config

评估

python3 eval.py --trained_model=latest_res101_custom_801.pth --max_num=1000#注意命名的pth是刚刚自己生成的.pth文件

测试

python3 detect.py --trained_model=latest_res101_custom_601.pth --image /home/jiang/1#路径为想要检测的图片所在文件夹

结果展示

参考链接

https://blog.csdn.net/weixin_44878465/article/details/108149285
https://github.com/dbolya/yolact
https://github.com/x0rzkov/yolact-mini-docker
https://github.com/feiyuhuahuo/Yolact_minimal

yolact-训练自己的数据集相关推荐

Yolact训练自己的数据集
Yolact训练自己的数据集 1:提前准备好自己的数据集 2:下载github存储库 3:修改config.py 4:训练 5:测试可能是由于yolact官方更新过其项目代码,所以网上其他人的yol ...
【Yolact训练自己的数据集（踩坑总结）】
yolact训练自己的数据集前言一.问题1 二.问题2 1.RuntimeError: Expected a 'cuda' device type for generator but found ...
用Yolact模型训练自己的数据集
1.首先用labelme标注数据(分割法) 2.yolact训练的数据集为coco数据集,所以要转化数据集,使用从Git下载的labelme项目中的labelme2coco转换就可以这里因为我的标注 ...
yolov5训练自己的数据集
How to Train YOLOv5 On a Custom Dataset 根据这篇文章下的数据集 YOLOv5训练自己的数据集根据这篇文章,输入训练命令行 Hyperparameter ...
实践教程｜如何用YOLOX训练自己的数据集？
作者 | JuLec@知乎(已授权) 来源 | https://zhuanlan.zhihu.com/p/402210371 编辑 | 极市平台导读 Yolo系列因为其灵活性,一直是目标检测热门算法 ...
手把手教你使用YOLOV5训练自己的数据集并用TensorRT加速
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达前言本文主要介绍目标检测YOLOV5算法来训练自己的数据集,并且使用TensorRT来对训练好的模型 ...
mask rcnn训练自己的数据集
原文首发于微信公众号「3D视觉工坊」--mask rcnn训练自己的数据集前言最近迷上了mask rcnn,也是由于自己工作需要吧,特意研究了其源代码,并基于自己的数据进行训练~ 本博客参考:ht ...
YOLOv3 Darknet安装编译与训练自己的数据集
YOLOv3 Darknet安装编译与训练自己的数据集文章目录: 1安装编译darknet与测试darknet 1.1 安装编译darknet 1.1.1 下载darknet安装包 1.1.2 编译 ...
yolov5训练自己的数据集（缺陷检测分类——看了就懂系列）
这里记录一下将yolov5用于训练自己的数据集,这里v5的github地址 Environment 本文是直接 pip install -r requirement.txt直接安装成功,如果不容易成功 ...
Fast RCNN 训练自己的数据集（3训练和检测）
Fast RCNN 训练自己的数据集(3训练和检测) 转载请注明出处,楼燚(yì)航的blog,http://www.cnblogs.com/louyihang-loves-baiyan/ https ...

yolact-训练自己的数据集

yolact-训练自己的数据集

yolact简介

安装labelme

下载代码并安装必要的程序包

模型训练

更改…/data/config.py文件

在该目录下定义一个labels.txt文件

在utils目录下执行

训练

评估

测试

结果展示

参考链接

yolact-训练自己的数据集相关推荐

最新文章

热门文章