mmdetection 如何训练自己的coco数据集

1.制作coco数据集（annotations是根据数据集Annotations转换成coco得到的）

（对训练集做5次交叉验证，得到10个文件，   同时将test数据集中的图片按顺序整理成test.json文件）

2.处理好数据之后，就可以进行训练

我们需要修改的有以下几个地方。

/mmdetection-master/mmdet/datasets/coco.py

 将CLASSES中的类别换成自己的

mmdetection-master/configs/_base_/datasets/coco_detection.py

将红线指向的路径改成自己的路径即可

选择一个模型进行训练，我们这里选择cascade_rcnn_r50_fpn为例

mmdetection-master/configs/_base_/models/cascade_rcnn_r50_fpn.py 

搜索80，将80改成你自己的类别总数即可（num_classes=xx）

3.进行训练

python tools/train.py ./X-ray/mmdetection-master/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x_coco.py

4.进行测试

python tools/test.py ./baseline.py  ./work_dirs/latest.pth   --out  ./result/out.pkl

python tools/test.py ./r2_seesaw_finetune_test.py   ./work_dirs/r2_seesaw_0_finetune_test/latest.pth --out ./result/out.pkl