关于mmdetection的配置与利用coco进行训练,测试以及各个参数的介绍

#关于mmdetection的配置与利用coco进行训练,测试以及各个参数的介绍
这是一篇在25分钟内完成的文章如果有疏漏,可以mark.
首先是背景:
1.动机:暂不明
2.各个数据的来源:
mmdetection github传送门: https://github.com/open-mmlab/mmdetection
coco数据集传送门:训练集: http://images.cocodataset.org/zips/train2017.zip 标注:http://images.cocodataset.org/annotations/annotations_trainval2017.zip
测试集: http://images.cocodataset.org/zips/test2017.zip 标注:http://images.cocodataset.org/annotations/image_info_test2017.zip
验证集: http://images.cocodataset.org/zips/val2017.zip 标注:http://images.cocodataset.org/annotations/stuff_annotations_trainval2017.zip
mmdetection安装教程: https://github.com/open-mmlab/mmdetection/blob/master/docs/INSTALL.md
3.requirements
系统环境:Linux16.04 python3.6 pytorch1.2 cuda9.2

然后是冲突:
具体安装见 mmdetection安装教程 ,亲测可用.
再者是疑问:安装之后 会有可以用一个Demo进行测试.
测试代码:

from mmdet.apis import init_detector, inference_detector, show_result
 
# 首先下载模型文件https://s3.ap-northeast-2.amazonaws.com/open-mmlab/mmdetection/models/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth
config_file = 'configs/faster_rcnn_r50_fpn_1x.py'
checkpoint_file = 'faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth'
 
# 初始化模型
model = init_detector(config_file, checkpoint_file)
 
# 测试一张图片
img = 'test1.jpg'
result = inference_detector(model, img)
show_result(img, result, model.CLASSES)
 
# 测试一系列图片
#imgs = ['test1.jpg', 'test2.jpg']
#for i, result in enumerate(inference_detector(model, imgs, device='cuda:0')):
#    show_result(imgs[i], result, model.CLASSES, out_file='result_{}.jpg'.format(i))

最后是解答:
下面就是训练过程了:
训练的数据集太大,可以考虑用软连接的形式链过来: ln -s $COCO_ROOT data
训练命令:

python tools/train.py configs/faster_rcnn_r50_fpn_1x.py --gpus 1 --validate --work_dir work_dirs

绘制曲线的命令:

python tools/analyze_logs.py plot_curve work_dirs/20190921_103234.log.json --keys loss_cls --legend loss_cls

	测试命令: