Faster rcnn 训练自己的数据集 解决方案

文件配置训练的过程可以看

【mmdetection】使用cascade-rcnn、faster-rcnn训练自定义的coco数据集_小鸠控的博客-CSDN博客_faster rcnn训练coco数据集开始这篇文章主要是记录我第一次使用mmdetection工具包里面的cascade-rcnn训练自己模型的经过训练环境本次是使用的系统是linux的ubuntu20.04cuda=10.2cudnn=7.6.5anaconda=3（用于创建虚拟环境，后续的训练、测试模型也在这个虚拟环境中）(以上软件安装可以参考其他博客)pytroch=1.5.0torchvision=0.6.0cudatoolkit=10.2.89mmcv-full=1.3.1mmdetection=v2.11https://blog.csdn.net/qq_41627396/article/details/116453031

AssertionError: The `num_classes` (3) in Shared2FCBBoxHead of MMDataParallel does not matches the length of `CLASSES` 80) in CocoDataset

解决方案 ：

_base_ = [
    './faster_rcnn_r50_fpn_1x_coco.py'
]

print(_base_)

model = dict(
    roi_head=dict(
        bbox_head = dict(num_classes=4)
    )
)


dataset_type = 'COCODataset'
classes = ('',' id','','') #你自己数据集的类别


#你自己数据集的位置
data = dict(
    train = dict(
        img_prefix = '../../dataset/train/',
        classes = classes,
        ann_file= '../../dataset/train/_annotations.coco.json'),
    val = dict(
        img_prefix = '../../dataset/val/',
        classes = classes,
        ann_file= '../../dataset/val/_annotations.coco.json'),
)

开始训练

python tools/train.py custom_faster_rcnn/faster_rcnn.py --work-dir custom_faster_rcnn/work_dirs/faster_rcnn

然后运行一下中断

打开work_dirs文件

进行调参