用detectron训练KITTI数据集

仅作为记录实验过程之用。

一.数据准备
1.放置数据
由于数据格式之前是VOC，而detectron要求的是JSON，所以要先进行格式转换，详情参见百度搜索：xml转json
生成的目录也有要求：

|VOC2007 
|_ JPEGImages
| |_ .jpg
| |_ ...
| |_ .jpg
|_ annotations 
|  |_ voc_2007_train.json 
|  |_ voc_2007_val.json 
|_ VOCdevkit2007
   |_ VOC2007 
      |_ Annotations
      |_  ImageSets 
            	|_ Main
           		   |_ train.txt 
            	   |_ val.txt
            	   |_ test.txt cd..
    |_ VOCcode
    |_ local 
    |_ results
    |_ ...
--------------------- 
作者：Mr_health 
来源：CSDN 
原文：https://blog.csdn.net/mr_health/article/details/80676799 
版权声明：本文为博主原创文章，转载请附上博文链接！

2.修改VOCcode中的VOCinit
将VOCinit中%VOC2007 classes改为自己数据集的classes，KITTI数据集是：

VOCopts.classes={...
    'pedestrian'
    'cyclist'
   'car'};

3.创建数据软连接
将上述步骤创建好的VOC2007文件夹链接到detectron/detectron/datasets/data文件夹下

二.模型训练
1.下载模型
2.修改相应配置文件（.yaml）

• 修改NUM_CLASSES:4
• MAX_ITER:
• TRAIN:
  • WEIGHTS:下载的权值文件的路径
  • DATASTETS:(“voc_2007_train”)
• TEST：
  • DATASETS:(“voc_2007_val”)
• OUTPUT_DIR:希望保存的结果的路径，也可在train代码中定义

三.开始训练

python tools/train_net.py \
	 --cfg experiments/retinanet_R-50-FPN_1x.yaml \
	 OUTPUT_DIR experiments/result