【MMDetection 系列：二】详细步骤使用教程，如何修改来跑自己的数据集

MMDetection

我的理解

首先要 安装环境，conda create ，按照官网五步走，安装配置好 详细见教程
接着 修改configs 文件里面的配置文件，修改 num_class （类别+1）以及 work_dir 路径，以及 train 、validation、test 的data 路径

接着 制作数据，因为我的数据和 voc 很像，制成voc格式

mmdetection
├── mmdet
├── tools
├── configs
├── data
│ ├── voc2012
│ │ ├── train
│ │ │ ├── JPEGImages #图片
│ │ │ ├── Annotations #标注信息
│ │ ├── train.txt # 每一行是JPEGImages中图片文件名
│ │ ├── validation
│ │ │ ├── JPEGImages
│ │ │ ├── Annotations
│ │ ├── validation.txt
│ │ ├── test
│ │ │ ├── JPEGImages

│   │   ├── test.txt

然后修改 F:\mmdetection\mmdet\datasets\voc.py 中class ，改成自己数据的class类

训练

求AP

如果觉得效果不错了，可以 test 一下 得到show_result

config

需要改

• num_class
  7+1=8 （类别数+ 1）

• dataset

  dataset_type = ‘VOCDataset’
  data_root = ‘data/voc2012/’

  train val test 里面的 ann_file，img_prefix也要修改哦~~

• ann_file、img_prefix

  ann_file=data_root + ‘train.txt’,
  img_prefix= data_root + ‘train/’,

  val 和 test 同理

• epoch 50
  改成自己需要的 epoch，同时调整 lr

• lr /8
  有两个地方需要修改，一个是 lr 值，lr 是八张卡lr，如果用1张卡 请 /8
  二是 两次修剪再哪一步，如果改了epoch，那么这里需要更改
  epoch 12 (8,11) → epoch 50 (38,48)
  在那个epoch 进行 变动 learning rate （两次精修）

  optimizer = dict(type=‘SGD’, lr=0.02/8, momentum=0.9, weight_decay=0.0001)
  lr_config = dict(
  policy=‘step’,
  warmup=‘linear’,
  warmup_iters=3665,
  warmup_ratio=1.0 / 80,
  step=[42, 48])
  total_epochs = 50

  如果是 2019.07.27 之后的版本
  lr 不需要 /8 ，因为作者在train.py 里写了
  cfg.optimizer[‘lr’] = cfg.optimizer[‘lr’] * cfg.gpus / 8

• pretrain

  可以进行修改，选择自己需要的

  pretrained=‘modelzoo://resnet50’,

• work_dir

  import os
  work_dir = os.path.basename(file)
  work_dir,ext = os.path.splitext(work_dir)
  work_dir=‘work_dirs/’+work_dir

• load 、 resume

  load_from 和 resume_from 为’/work_dir/xxx/epoch_xxx.pth’

  • load_from是加载模型的路径，None表示从预训练模型加载（pretrained参数会下载一个预训练模型）
    （如果直接load作者已经训练好的模型，因为是在coco上训练的，直接load进来会有问题，所以load一般的vgg或者resnet的pth文件就可以了。）

• 如果修改 gn、ws、ohem
  需要注意 cascade rcnn 有三条路，所以要加三次

• 其他

  • mstrain
    img_scale=[(1280, 360), (1280, 720)],