mmdetection自定义数据集训练_deformable detr mmdetection如何训练自己的数据集

目录

1. 源码下载，本文基于v3.0版本 

 2.选模型训练

2.1 先生成后面用于编译的配置文件

 2.2.1 修改coco.py

 2.2.2 修改class_names.py

3. 训练配置

 4. 训练过程展示

---

 

1. 源码下载，本文基于v3.0版本 

GitHub - open-mmlab/mmdetection: OpenMMLab Detection Toolbox and Benchmark

        安装环境依赖参考官方教程 

        GET STARTED — MMDetection 3.0.0 documentation 

 2.选模型训练

        本文使用deformable_detr模型进行训练

D:/deep_learn/OpenMMlab/mmdetection-main/configs/deformable_detr/deformable-detr_r50_16xb2-50e_coco.py

2.1 先生成后面用于编译的配置文件

        什么都不管，先编译一次，获得模型的配置文件，传入上面的模型文件路径

 配置完成后编译，当然会编辑不通过，但是tools会生成工作目录

         下面的就是模型的配置文件，需要修改次文件来训练自定义数据集，将其改名。复制一份到

D:/deep_learn/OpenMMlab/mmdetection-main/configs/deformable_detr/

 改名后复制后的结果显示

 

2.2 更改配置文件 

         训练自己定义的数据集需要修改3个地方，需要修改的如下：

数据集需要coco格式的，关于数据集的制作可看下面链接 

有手就行的自定义制作coco、voc、yolo格式数据集_Evan_qin_yi_quan的博客-CSDN博客

"""
自定义数据集训练，需要修改3个地方
1. D:\deep_learn\OpenMMlab\mmdetection-main\mmdet\datasets\coco.py 中修改类别名字
2. D:\deep_learn\OpenMMlab\mmdetection-main\mmdet\evaluation\functional\class_names.py的coco_classes类中修改类别名字
3. my-deformable-detr_r50_16xb2-50e_coco.py 修改数据集路径，和 num_class
2023.06.29
"""

 2.2.1 修改coco.py

 

 2.2.2 修改class_names.py

        都是把原来的类别名字注释掉，换成自己的类别名字 

 

 

2.2.3 修改my-deformable-detr_r50_16xb2-50e_coco.py文件

        本文以deformable-detr网络为例，所以修改此文件，使用其它网络模型的参考my-deformable-detr_r50_16xb2-50e_coco.py文件的制作方法。

        首先是看看自定义数据集文件目录结构，数据集名字coco-data

 

 修改deformable-detr_r50_16xb2-50e_coco.py文件

         训练集路径

        验证集路径 

        测试集路径 ，为了方便，这里写成和验证集一样了。

 

        修改类别数目num_classes,本文制作的数据集类别数是8. 

 

 

 至此修改完毕，接下来就是训练

3. 训练配置

        只需要把模型my-deformable-detr_r50_16xb2-50e_coco.py配置文件作为参数传递到tools/train.py脚本即可 

 

 4. 训练过程展示

 

        mAP0.5：0.95是第一行数据，mAP0.5是第二行数据

 Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.000
 Average Precision  (AP) @[ IoU=0.50      | area=   all | maxDets=1000 ] = 0.001
 Average Precision  (AP) @[ IoU=0.75      | area=   all | maxDets=1000 ] = 0.000
 Average Precision  (AP) @[ IoU=0.50:0.95 | area= small | maxDets=1000 ] = 0.000
 Average Precision  (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=1000 ] = 0.000
 Average Precision  (AP) @[ IoU=0.50:0.95 | area= large | maxDets=1000 ] = 0.000
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.003
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=300 ] = 0.003
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=1000 ] = 0.003
 Average Recall     (AR) @[ IoU=0.50:0.95 | area= small | maxDets=1000 ] = 0.000
 Average Recall     (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=1000 ] = 0.002
 Average Recall     (AR) @[ IoU=0.50:0.95 | area= large | maxDets=1000 ] = 0.004