Mmcation2中使用mmdetection中的yolo、faster-rcnn、detr训练VOC数据集_mmaction faster rcnn

VOC数据集下载：

Pascal VOC Dataset Mirror

环境搭载：

直接使用的mmaction2搭载的环境

代码修改：

待更

终端运行代码：

detr:

python tools/train.py configs/detr/detr_r50_8x2_150e_coco.py --gpu-id 1 --work-dir xinjia

yolo:

python tools/train.py configs/yolox/yolox_s_8x8_300e_coco.py --gpu-id 1 --work-dir xinjia

python tools/train.py configs/yolo/yolov3_d53_fp16_mstrain-608_273e_coco.py --gpu-id 1 --work-dir xinjia

faster-rcnn:

python tools/train.py configs/pascal_voc/faster_rcnn_r50_fpn_1x_voc0712.py --gpu-id 1 --work-dir xinjia

新代码： 

python tools/train.py configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py --gpu-id 1 --work-dir xinjia

python tools/train.py configs/faster_rcnn/xinjia_faster.py --gpu-id 1 --work-dir xinjia
 

cascade_rcnn：

python tools/train.py configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.py --gpu-id 1 --work-dir xinjia

新代码;

python tools/train.py configs/cascade_rcnn/xinjia_cas.py --gpu-id 1 --work-dir xinjia

代码修改：

使其拥有presision值

mmdetection输出precision指标（VOC数据集） - 海_纳百川 - 博客园 (cnblogs.com)

MAP值：

(22条消息) mmdetection多类目标训练查看单类准确率（AP）以及使用模型测试看结果（show）_清梦枕星河~的博客-CSDN博客

FPS：

(28条消息) mmdetection计算fps和参数量_追梦小狂魔的博客-CSDN博客

(28条消息) 关于mmdetection、mmrotate如何计算参数量、计算量和速度FPS_mmdetection计算fps_不死不休的天鹏！的博客-CSDN博客

VOC to coco：

mmdetection/tools/dataset_converters/pascal_voc.py
代码：

python tools/dataset_converters/pascal_voc.py  data/quwu  -o data/cocoVOC  --out-format coco

coco:
MMdetection使用自定义的coco格式数据集进行训练及测试 - 知乎 (zhihu.com)

包括：修改的CLASS的地方

判断VOC转COCO是否正确：

python tools/misc/browse_dataset.py configs/test/faster_rcnn_r50_fpn_1x_coco.py

python tools/misc/browse_dataset.py  configs/faster_rcnn/xinjia_faster.py

运行代码：

生成PKL文件：

python tools/test.py configs/yolox/yolox_s_8x8_300e_coco.py  xinjia/wight/latest.pth --out latest1234.pkl

通过PKL文件生成PR曲线（顺便打印Precision Recall）：

python tools/analysis_tools/plot_pr_curve.py  configs/yolox/yolox_s_8x8_300e_coco.py latest1234.pkl

FPS：

python tools/analysis_tools/benchmark.py  configs/yolox/yolox_s_8x8_300e_coco.py   xinjia/wight/latest.pth

分布式：

python -m torch.distributed.launch --nproc_per_node=1 --master_port=29500 tools/analysis_tools/benchmark.py  configs/yolox/yolox_s_8x8_300e_coco.py   xinjia/wight/latest.pth  --launcher pytorch

python -m torch.distributed.launch --nproc_per_node=1  tools/analysis_tools/benchmark.py  configs/yolox/yolox_s_8x8_300e_coco.py   xinjia/wight/latest.pth  --launcher pytorch

precision值：

tools/analysis_tools/confusion_matrix.py可以得到混淆矩阵，但在这之前先使用test.py得到pkl文件，根据pkl文件计算混淆矩阵。但还是需要经过一些修改，confusion_matrix.py得到的混淆矩阵中的数值是经过归一化了的，可以在166行改成不进行归一化，分母删掉就行。然后211行打印%去掉，这样输出的混淆矩阵，就可以用来手算各种指标了，TP、FP、TN、FN、F1-Score、Precision、Recall、ACC等都可以根据公式计算。

混淆矩阵：

python tools/analysis_tools/confusion_matrix.py configs/yolox/yolox_s_8x8_300e_coco.py   latest1234.pkl coco_confusion_matrix/

多分类precision的三种计算方法：

多分类模型Accuracy, Precision, Recall和F1-score的超级无敌深入探讨 - 知乎 (zhihu.com)




测试faster_rcnn：

python tools/test.py   configs/cascade_rcnn/xinjia_cas.py  xinjia/epoch_30.pth    --eval mAP