目标检测框架mmdetection训练并测试自己的数据集

内容：
训练VOC数据集和coco数据集

测试VOC数据集和coco数据集，并输出各种性能指标

mmdetection的github地址：

https://github.com/open-mmlab/mmdetection

使用深度学习目标检测框架mmdetection训练自己的数据集，首先配置好环境：

根据之前博客https://blog.csdn.net/qq_35153620/article/details/102723960

1.将自己的VOC数据集或者COCO数据集以下面目录格式存储：

2.创建软连接，首先在mmdetection文件中创建data目录,命令：

mkdir data

进入：
cd data/

创建软连接：

ln -s dataset VOCdevkit(coco)

dataset:你自己的数据集的地址

VOCdevkit(coco)根据自己数据集格式，二者选一

3.更改dataset文件

进入mmdet/datasets目录下

打开coco.py或者voc.py更改类别名：

文件中CLASSES改成自己数据集的类别名称

4.更改config配置文件

打开你要使用的检测模型，例如本文使用/configs/pascal_voc/faster_rcnn_r50_fpn_1x_voc0712.py

faster-rcnn检测模型，骨干网络resnet-fpn网络

在configs文件你可以选择你想要使用的模型

找到文件中num_classes=16改成你自己数据集的类别数量

5.输入命令：

单GPU使用命令：

python tools/train.py ${CONFIG_FILE}

${CONFIG_FILE}改成你使用的config文件，例如python tools/train.py faster_rcnn_r50_fpn_1x_voc0712.py

多GPU：

./tools/dist_train.sh ${CONFIG_FILE} ${GPU_NUM} [optional arguments]

开始训练！

6.测试结果

训练后权重保存在work_dirs目录下

python tools/test.py configs/faster_rcnn_r50_fpn_1x.py work_dir/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth --show

7.输出性能指标

coco数据集可直接：

python tools/test.py configs/faster_rcnn_r50_fpn_1x.py work_dirs/faster_rcnn_r50_fpn_1x/epoch_4.pth --out ./result/result_.pkl --eval bbox

voc数据集需要：

mkdir result

先执行保存result文件

python tools/test.py configs/pascal_voc/faster_rcnn_r50_fpn_1x_voc0712.py work_dirs/faster_rcnn_r50_fpn_1x_voc0712/epoch_4.pth --out ./result/result_.pkl

再计算性能指标并输出

python tools/voc_eval.py ./result/result_.pkl configs/pascal_voc/faster_rcnn_r50_fpn_1x_voc0712.py