用MMdetection训练自己的数据集

1.整体流程

利用MMDetection进行训练，一般需要下面这几步：

1. 选择一个基础模型，下载对应的配置文件和预训练的参数文件

2. 将数据整理成MMDetection支持的形式，如COCO格式或者其他格式

3. 修改配置文件：

   修改配置文件中的数据路径
   修改模型的分类头
   设置加载预训练模型
   修改优化器配置（学习率，训练轮次等）
   

2. 用预训练好的权重来进行coco数据集的训练

首先先搜索一下模型的config

mim search mmdet --model "yolov3"

这样就会显示出mmdet中已经预训练好的yolov3的模型
然后选择合适的进行下载

mim download mmdet --config yolov3_mobilenetv2_mstrain-416_300e_coco --dest .

这样就下载好了模型的配置文件和预训练的权重

然后修改配置文件

_base_ = ['yolov3_mobilenetv2_mstrain-416_300e_coco.py']

data = dict(
    samples_per_gpu=8,
    workers_per_gpu=4,
    train = dict(
        dataset = dict(
            ann_file='annotation/instances_val2017.json',
            img_prefix='F:\DetectionDemo\pytorch-retinanet\pytorch-retinanet\coco\\val2017'
        )
    ),
    val=dict(
            ann_file='annotation/instances_val2017.json',
            img_prefix='F:\DetectionDemo\pytorch-retinanet\pytorch-retinanet\coco\\val2017'
    ),
    test=dict(
            ann_file='annotation/instances_val2017.json',
            img_prefix='F:\DetectionDemo\pytorch-retinanet\pytorch-retinanet\coco\\val2017'
    ),

)
load_from = 'yolov3_mobilenetv2_mstrain-416_300e_coco_20210718_010823-f68a07b3.pth'

optimizer = dict(type='SGD', lr=0.001)
optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2))
lr_config = None
runner = dict(type='EpochBasedRunner', max_epochs=8)

执行下面的命令进行训练

mim train mmdet my_mmdet.py

具体可参考：
https://www.bilibili.com/video/BV1NL4y1c7ki?p=4&vd_source=7389fb243411af7416b35d82e62ad57f