mmdetection环境搭建以及使用自己的数据集测试

一、环境
ubuntu 18.04
cuda 10.1
pytorch 1.6

二、安装mmcv
安装mmcv-full。mmdetection依赖于mmcv，并且要安装pytorch对应的版本，就像torchvision一样，各版本下载链接在https://openmmlab.oss-accelerate.aliyuncs.com/mmcv/dist/index.html

注意：一定要选择适合自己的版本否则会报错：Not compiled with GPU support
亲身尝试过。。。。

三、安装mmdetection
本人安装的是目前最新的版本ersion= 2.7
我在这里就不赘述安装虚拟环境以及torch和torchvision的步骤了。
1、克隆mmdetection到本地

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

如果git clone下载的速度太慢，可以使用github的镜像进行下载，如下：

或 ：git clone https://github.com.cnpmjs.org/open-mmlab/mmdetection.git

2、进入到项目目录中

cd mmdetection

3、 安装mmdetection依赖

安装依赖的库，同时会检查一些库包的版本是否符合

pip install -r requirements/build.txt

4、编译mmdetection环境

python setup.py develop或pip install -v -e .

四、训练自己的数据
1、使用数据集为：https://github.com/EdjeElectronics/TensorFlow-Object-Detection-API-Tutorial-Train-Multiple-Objects-Windows-10/tree/master/images
文件目录如下：

├── poker
│   ├── VOC2007
│   │   ├── Annotations
│   │   ├── JPEGImages
│   │   ├── ImageSets
│   │   │   ├── Main
│   │   │   │   ├── val.txt
│   │   │   │   ├── train.txt

2、修改文件代码
1）：
使用cascade_rcnn_r50_fpn_1x进行训练
在config文件中的cascade_rcnn文件中找到该文件并复制出来一份，改名为cascade_rcnn_r50_fpn_1x_poker.py
进入该文件，文件代码修改为：

_base_ = [
    '../configs/_base_/models/cascade_rcnn_r50_fpn.py',
    '../configs/_base_/datasets/voc0712.py',
    '../configs/_base_/schedules/schedule_1x.py', '../configs/_base_/default_runtime.py'
]

2、进入到_base_文件中
对上面的几个文件进行修改，以此为：
1）cascade_rcnn_r50_fpn.py

将num_classes 改为你实际识别的类别数目，记住这里不需要加1，即加上背景这一类别，在先前的版本中是需要进行添加的。

2）：schedule_1x.py

在最后一行修改你epochs

3）：default_runtime.py

4）：修改类别
a：
在上述目录中修改class_names.py

b：

在上述目录修改voc.py

五、运行测试代码

python tools/train.py configs/cascade_rcnn_r50_fpn_1x_poker.py

六、运行结果在work_dirs文件中
具体为：