关键词：
训练前的准备
- 训练数据的导入
将自己的COCO数据集放入到下载的mmdetection的源码里，（如果没有data文件夹需要新建）data -> COCO -> 你的COCO数据集
文件格式如下：
mmdetection
├── mmdet
├── tools
├── configs
├── data
│ ├── coco
│ │ ├── annotations
│ │ ├── train2017
│ │ ├── val2017
- 配置的修改
configs/_base_/datasets- coco_detection.py
- coco_instace.py
- coco_instace_semantic.py
修改里面的img_scale=(,)：输入图片的最大长度和最小长度（GPU显存不够可以适量改动，上述的三个.py文件都要改）
configs/_base_/models
选择你需要的模型对应的配置文件进行修改
修改的内容为：numclasses=**,修改为你自己训练时候的数据集的种类的个数（分类的个数）。- 修改自己的COCO数据集的类别
mmdet/evaluation/classnames.py
def coco_classes():替换为自己的数据分类ID
mmdet/datasets/coco.py
class CoCoDataset(CustomDataset):替换为自己数据分类ID
准备训练
- 进入
tools/train.py进行训练
使用语句运行代码python tools/train.py configs/mask_rcnn/你训练前的准备的第2步修改的配置文件 --gpus 1 --work-dir demo1_test - 一旦开始立即停止训练
进入刚刚设置的工作空间进入新生成的配置文件，与你上一步使用的配置文件的名称一致
找到log_config=dict(interval=50,hooks=....)
interval=50：含义为每50此输出一次日志，不便于分析模型的训练情况，建议改小一些 - 进行训练此时使用自己的配置文件
使用语句运行代码python tools/train.py configs/mask_rcnn/你准备训练的第2步修改的配置文件 --gpus 1 --work-dir demo1_test tools/analyze_logs.py
运行代码可以将日志转化为折线图
python tools/analuze_logs.py 日志的路径 --key loss_cls loss_bbox loss_mask
还可以加上--out的配置，输出为jpg或者pdf
测试模型
tools/test.py
执行语句python tools/test.py 你的配置文件 指定模型的配置文件 --show
此时展示出来的是ID而不是名字
展示出名字的修改
- 找到
base.py - 找到
show = Flase
在下面插入
# id对应的名字
real_names = ['data1', 'data2',.......]
- 找到
class_names=self.CLASSES,修改为class_name=real_names,
openmmlab实战营打卡-第5课
OpenMMLabMMDetectionMMDetectionMMDetection可以做什么MMDetection环境搭建两阶段检测器的构成单阶段检测器的构成RetinaNet模型配置–主干网络RetinaNet模型配置–颈部RetinaNet模型配置–bboxhead1RetinaNet模型配置–bboxhead2在MMDetection中配置COCO数据... 查看详情
一步一步教你在docker容器下使用mmdetection训练自己的数据集
这里不再介绍mmdetection的安装和配置，使用mmdetection较简单的方法是使用已安装mmdetection的docker容器。这样直接省去了安装mmdetection的过程，让重心放在模型训练上！如果你对docker和mmdetection还不是很熟悉，请自行搜索一下，本文... 查看详情
使用mmdetection3.x训练自定义数据集和类别(代码片段)
使用MMDetection3.x训练自定义数据集和类别1.安装2.训练2.1准备数据和配置文件2.2训练2.3测试3.评价指标(EvaluationMetrics)3.1目标检测评估（DetectionEvaluation）3.1.1计算Precision和Recall3.1.2通过P-R曲线计算AP3.2COCO上物体检测器的性能指... 查看详情
自动驾驶感知算法实战5——mmdetection3d环境搭建使用mmdetection3d做3d目标检测训练自己的数据集测试可视化，以及常见的错误
...实战专栏：https://blog.csdn.net/charmve/category_12097938.html目录1mmdetection3d环境搭建与测试1.1从docker开始搭建环境1.1.1开始从docker环境搭建1.1.2测试demo1.2.2安装pytorch和torchvision1.2.3安装mmcv1.2.4安装MMDetection1.2.5克隆编译mmdetection3d1.3测试demo2.2... 查看详情
自动驾驶感知算法实战5——mmdetection3d环境搭建使用mmdetection3d做3d目标检测训练自己的数据集测试可视化，以及常见的错误
自动驾驶感知算法实战专栏：https://blog.csdn.net/charmve/category_12097938.html目录1mmdetection3d环境搭建与测试1.1从docker开始搭建环境1.1.1开始从docker环境搭建1.1.2测试demo1.2.2安装pytorch和torchvision1.2.3安装mmcv1.2.4安装MMDetection1.2.5克隆编译mmd 查看详情
使用mmdetection3.x训练自定义数据集和类别(代码片段)
使用MMDetection3.x训练自定义数据集和类别1.安装2.训练2.1准备数据和配置文件2.2训练2.3测试3.评价指标(EvaluationMetrics)3.1目标检测评估（DetectionEvaluation）3.1.1计算Precision和Recall3.1.2通过P-R曲线计算AP3.2COCO上物体检测器的性能指... 查看详情
detectron2maskrcnn训练自己的数据集
参考技术A摘要：使用Detectron2来训练一个maskRCNN实例分割的模型。数据集用labelme标注，最后转为coco格式训练。参考：安装detectron2labelme标注格式转为coco格式@[toc]用labelme标注的分割任务采用链接labelme标注格式转为coco格式的方法转... 查看详情
如何用detr（detectiontransformer）训练自己的数据集(代码片段)
...rch/detrDETR的论文地址：https://arxiv.org/pdf/2005.12872.pdfDETR训练自己数据集数据准备DETR需要coco数据集才可以进行训练，需要将数据标签和图片保存为如下格式：其中，annotations是如下json文件，test、train和val2017存储... 查看详情
darknet53yolo下的识别训练
...1在CPU下安装Darknet方式21.2在GPU下安装Darknet方式4二、YOLO.V3训练官网数据集（VOC数据集/COCO数据集）42.1下载VOC数据集/COCO数据集42.2下载预训练的模型（.weights文件）8三、YOLO.V3训练自己的数据集（以３类别的为例）83.1制作自己的VOC... 查看详情
52训练paddleseg模型，部署自己的模型到oak相机上
基本思想：简单记录一下训练过程，数据集在coco基础上进行，进行筛选出杯子的数据集，然后进行训练，比较简单， 从coco数据集中筛选出杯子的数据集，然后在labelme数据集的基础上，转成paddleseg数据集，然后训练即可，生... 查看详情
mmdetection实战：mmdetection训练与测试(代码片段)
摘要MMDetection是商汤和港中文大学针对目标检测任务推出的一个开源项目，它基于Pytorch实现了大量的目标检测算法，把数据集构建、模型搭建、训练策略等过程都封装成了一个个模块，通过模块调用的方式，我们... 查看详情
mask-rcnn训练自己的数据集
importosimportsysimportrandomimportmathimportreimporttimeimportnumpyasnpimportcv2importmatplotlibimportmatplotlib.pyplotaspltimportyamlfromconfigimportConfigimportutilsimportmodelasmodellibimportvisualizefrommodelimportlogfromPILimportImage#%matplotlibinline#RootdirectoryoftheprojectROOT_DIR=os.... 查看详情
mask-rcnn训练自己的数据集
importosimportsysimportrandomimportmathimportreimporttimeimportnumpyasnpimportcv2importmatplotlibimportmatplotlib.pyplotaspltimportyamlfromconfigimportConfigimportutilsimportmodelasmodellibimportvisualizefrommodelimportlogfromPILimportImage#%matplotlibinline#RootdirectoryoftheprojectROOT_DIR=os.... 查看详情
yolov5训练coco128数据集和测试与检测(代码片段)
yolov5训练coco128数据集和测试与检测文章目录yolov5训练coco128数据集和测试与检测参考链接一、coco数据集1.简介2.下载3.解压后的数据4.COCO数据集(.json)训练格式转换成YOLO格式(.txt)二、训练train.py三、验证val.py四、推理预测detect.py1.用... 查看详情
yolov5训练coco128数据集和测试与检测(代码片段)
yolov5训练coco128数据集和测试与检测文章目录yolov5训练coco128数据集和测试与检测参考链接一、coco数据集1.简介2.下载3.解压后的数据4.COCO数据集(.json)训练格式转换成YOLO格式(.txt)二、训练train.py三、验证val.py四、推理预测detect.py1.用... 查看详情
paddledet训练旋转目标检测ppyoloe-r训练自己的数据集(代码片段)
1.数据转换labelme2coco，原来是labelme标注的points通过opencv转为4个坐标#encoding=utf-8importargparseimportcollectionsimportdatetimeimportglobimportjsonimportosimportos.pathasospimportsysimportuuidimportcv2imp 查看详情
yolov5训练coco数据集
...一、coco数据集1.简介2.下载参考链接为YOLOv5搭建COCO数据集训练、验证和测试环境CoCo数据集下载一、coco数据集1.简介MSCOCO的全称是MicrosoftCommonObjectsinContext，起源于微软2014年的MicrosoftCOCO数据集，主要用于目标检测，图... 查看详情
使用 Pytorch 保存在 Faster RCNN（COCO 数据集）上训练的最佳模型，避免“过度拟合”
】使用Pytorch保存在FasterRCNN（COCO数据集）上训练的最佳模型，避免“过度拟合”【英文标题】：SavethebestmodeltrainedonFasterRCNN(COCOdataset)withPytorchavoidingto"overfitting"【发布时间】：2020-08-2521:30:33【问题描述】：我正在使用Pytorch... 查看详情