零基础视角----学习detectron2如何训练自己数据集

前言：关于VOC数据集

下面以VOC 2007为例分析一下里面数据集格式：
首先来个直观的文件夹结构截图：（备注下面四个.txt文件是需要运行相应py文件才能生成的）

文件结构解释：

├── Annotations 进行 detection 任务时的标签文件，xml 形式，文件名与图片名一 一对应
├── ImageSets 包含三个子文件夹 Layout、Main、Segmentation，其中 Main 存放的是分类和检测的数据集分割文件
├── JPEGImages 存放 .jpg 格式的图片文件
├── SegmentationClass 存放按照 class 分割的图片
└── SegmentationObject 存放按照 object 分割的图片
├── Main
│ ├── train.txt 写着用于训练的图片名称， 共 2501 个
│ ├── val.txt 写着用于验证的图片名称，共 2510 个
│ ├── trainval.txt train与val的合集。共 5011 个
│ ├── test.txt 写着用于测试的图片名称，共 4952 个

注意train.txt+test.txt不等于总共的图像数量。

备注：linux安装detectron2是非常好安装的，但是windows是非常困难
首先下载资源链接：

链接：https://pan.baidu.com/s/1L0_hfzig4xsZOPNGWk_mnQ
提取码：usix

1.环境配置

备注：这里以我们研究生实验室linux配置为例进行安装
备注：实验室环境是Ubuntu 18.04.5（可视化桌面） 、CUDA环境cuda11.1

1. conda create -n detectionWyh python=3.6
2. 激活detectionWyh 虚拟环境 conda activate detectionWyh
3. 安装 torch 和torchvision：
   注意此时需要注意：torch 和 torchvision版本需要由cuda版本决定。
   可以参考链接cuda版本对应torch和torchvision版本：
   我们实验室是cuda11.1 安装下面这个（注意这里没有选择安装pytorch 1.8.0因为此版本运行detectro2会报错，后面再提）

conda install pytorch1.7.0 torchvision0.8.0 torchaudio==0.7.0 cudatoolkit=11.0 -c pytorch

4. 安装COCO API：

因为需要detectron2需要使用COCO数据集

pip install -U 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

5. 验证一下上面是否安装成功：
   
6. OpenCV, Demo和显示时需要使用， pip install opencv-python
7. 上面是为了安装detectron2或者打基础使用的或者更好使用detectron2，下面正式安装detectro2:
   首先给大家一个链接：
   https://dl.fbaipublicfiles.com/detectron2/wheels/cu110/torch1.7/index.html （注意这个网址要根据实际配置进行修改 你可以尝试比如你的cuda=11.1 你可以改为cu111 然后与之对应的torch是1.8你可以该torch1.8）
   打开进入网址：
   

注意其实cuda11.1可以使用cuda11.0最后一个版本号不大影响。
上面链接中加粗的可以根据自己实际电脑配置修改，然后：

pip install detectron2==0.3 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu110/torch1.7/index.html
版本号需要自己指定一个，然后程序会根据你的python版本自动进行下载相应版本安装

8. 安装谷歌实验室

pip install google-colab

至此detectron2安装完成

2.测试demo

备注：这一步测试demo大家按照兴趣可以去尝试或者不尝试
备注：这里demo是指detectron2官网的一个项目，可以用来快速感受一下detectron2

• 首先得说明一下，这个demo需要我们进行在网站上下载：

下载网址：https://github.com/facebookresearch/detectron2

• 下载好解压后detectron2-main文件目录结构：
  
• 以上面文件路径为例，我们在linux下首先进入detectron2-main文件夹下（cd命令），找到一张图片作为输入input1.jpg放在detectron2-main下面（你也可以放在其他路经下面，但是下面执行路径时你要指定比如你放在demo/input1.jpg 那么你就要对下面命令进行修改比如–input demo/input1.jpg)，再解释一下–opts MODEL.WEIGHTS 我们可以选择从https://github.com/facebookresearch/detectron2/blob/main/MODEL_ZOO.md 下下载我们想要的权重，然后把权重文件放到你想要放置的路径里面就像你input1.jpg做的那样。

python demo/demo.py --config-file configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml   
--input input1.jpg   
--output . 
--opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl 

解释：–opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl 会直接从网上下载，我们可以预先下载到本地，然后指定路径即可。

1. 上面一切弄好之后，会在当前文件夹下看到已经被处理好的input1.jpg，比如大致时这个样子
   

3.使用detectron2前奏–数据集转换

detectro2需要coco数据集所以我们需要将labelImag标注的pascal voc数据集转换为 coco数据集：
首先下载下面文件：
文件链接：统一放到文章开头

2. 首先先根据make_main_txt.py中文档说明运行make_main_txt.py文件 (文档说明已经很详细）

3. 根据appliance.py中文档说明运行appliance.py文件 (文档说明已经很详细）

4. 拷贝train、val文件夹到 ，注意这里换了一个工程 detectro2_train项目下
备注：也就是说我们一个工程是用来生成train，val（coco要求的数据格式），然后另一个工程是用来训练模型

5. 根据train_hat.py文档说明 修改一些东西，就可以跑出模型了