【Swin Transformer】Win10使用Swin Transformer做目标检测 (使用自己的数据集 + 图解超详细)
文章目录
- Swin Transformer
-
- 环境搭建
-
- VS2019配置
- conda虚拟环境
- Pytorch安装
- mmcv安装
-
- 查看匹配版本
- 安装mmcv
- mmdet安装
- apex安装
- 下载权重
- demo测试代码
- 训练自己的数据集
-
- 需要修改的部分
-
- 修改标签种类数
- 修改标签类别
- 配置权重信息
- 修改尺寸大小
- 配置数据集路径
- 修改 batch size 和 线程数
- 训练命令
- 测试命令
Swin Transformer
环境搭建
我的环境：Python 3.6 + VS2019 + CUDA 11.2 + CUDNN 8.1.0
VS2019配置
环境变量：
D:\Program Files (x86)\Microsoft Visual Studio\2019\Professional\VC\Tools\MSVC\14.29.30133\bin\Hostx86\x64
命令行输入cl：
conda虚拟环境
创建conda虚拟环境：conda create -n transformer python=3.8
激活虚拟环境：conda activate transformer
Pytorch安装
https://pytorch.org/
mmcv安装
查看匹配版本
https://github.com/open-mmlab/mmdetection/blob/master/docs/en/get_started.md
安装mmcv
我安装的是 mmcv 1.3.1。https://github.com/open-mmlab/mmcv不方便下载的，直接看百度网盘连接。
mmcv 1.3.1版本：
链接：https://pan.baidu.com/s/1Z7eOh7wkrhoKDRoODREHHg?pwd=6mvh
提取码：6mvh
提供令一个版本的，也就是上面github链接的目前最新版本：
链接：https://pan.baidu.com/s/1mKx7w0fjXp9BJhwbg4gtMg?pwd=dbvy
提取码：dbvy
解压之后，使用 conda的power shell 。
- cd 到安装的mmcv1.3.1的目录，推荐放到工程项目中。
- 进入虚拟环境：
conda activate transformer - 执行
pip install -r requirements.txt - 设置环境变量：
$env:TORCH_CUDA_ARCH_LIST="8.6"8.6为显卡算力，查询位置：英伟达官网（3060看英文文档），3060 查看算力位置：英文算力位置 - 设置环境变量：
$env:MMCV_WITH_OPS = 1 - 设置环境变量：
$env:MAX_JOBS = 8根据CPU核心数设置 - 执行
python setup.py build_ext - 执行
python setup.py develop - 使用
pip list查看，mmcv-full 的版本是否为1.3.1
mmdet安装
步骤基本同上。
- git clone https://github.com/open-mmlab/mmdetection.git
- cd mmdetection
- pip install -r requirements/build.txt
apex安装
步骤基本同上。
- 下载apex项目：https://github.com/NVIDIA/apex
- cd 进入 apex 文件夹
- 执行：
python setup.py install
下载权重
https://github.com/SwinTransformer/Swin-Transformer-Object-Detection
demo测试代码
python demo/image_demo.py demo/demo.jpg configs/swin/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco.py mask_rcnn_swin_tiny_patch4_window7.pth
至此说明 配置没有问题了。
训练自己的数据集
需要修改的部分
修改标签种类数
路径：Swin-Transformer-Object-Detection-master\configs\_base_\models\mask_rcnn_swin_fpn.py
将 num_classes 换成自己数据集的种类数
修改标签类别
路径：Swin-Transformer-Object-Detection-master\mmdet\datasets\coco.py
# CLASSES = ('person', 'bicycle', 'car', 'motorcycle', 'airplane', 'bus',
# 'train', 'truck', 'boat', 'traffic light', 'fire hydrant',
# 'stop sign', 'parking meter', 'bench', 'bird', 'cat', 'dog',
# 'horse', 'sheep', 'cow', 'elephant', 'bear', 'zebra', 'giraffe',
# 'backpack', 'umbrella', 'handbag', 'tie', 'suitcase', 'frisbee',
# 'skis', 'snowboard', 'sports ball', 'kite', 'baseball bat',
# 'baseball glove', 'skateboard', 'surfboard', 'tennis racket',
# 'bottle', 'wine glass', 'cup', 'fork', 'knife', 'spoon', 'bowl',
# 'banana', 'apple', 'sandwich', 'orange', 'broccoli', 'carrot',
# 'hot dog', 'pizza', 'donut', 'cake', 'chair', 'couch',
# 'potted plant', 'bed', 'dining table', 'toilet', 'tv', 'laptop',
# 'mouse', 'remote', 'keyboard', 'cell phone', 'microwave',
# 'oven', 'toaster', 'sink', 'refrigerator', 'book', 'clock',
# 'vase', 'scissors', 'teddy bear', 'hair drier', 'toothbrush')
CLASSES = ('dog', 'cat')
配置权重信息
路径：Swin-Transformer-Object-Detection-master\configs\_base_\default_runtime.py
-
interval：表示多少个 epoch 验证一次，然后保存一次权重信息
-
loadfrom：加载权重，指向权重的路径
修改尺寸大小
路径：Swin-Transformer-Object-Detection-master\configs\swin\mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco.py
路径：Swin-Transformer-Object-Detection-master\configs\_base_\datasets\coco_instance.py
所有的 img_scale 修改为 ： img_scale = [(256, 256)] 或者是36的倍数，如480、512等。
配置数据集路径
路径：Swin-Transformer-Object-Detection-master\configs\_base_\datasets\coco_instance.py
train=dict(
type=dataset_type,
ann_file=data_root + 'annotations/instances_train2017.json',
img_prefix=data_root + 'train2017/',
pipeline=train_pipeline),
val=dict(
type=dataset_type,
ann_file=data_root + 'annotations/instances_val2017.json',
img_prefix=data_root + 'val2017/',
pipeline=test_pipeline),
test=dict(
type=dataset_type,
ann_file=data_root + 'annotations/instances_test2017.json',
img_prefix=data_root + 'test2017/',
pipeline=test_pipeline))
修改 batch size 和 线程数
samples_per_gpu=2, # batch size
workers_per_gpu=2, # 每个GPU对应线程数 可以大一些
训练命令
python tools/train.py configs\swin\mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco.py
测试命令
可以将测试图片放至 demo 文件夹，执行如下的命令。
python demo/image_demo.py demo/000000444010.jpg configs\swin\mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco.py work_dirs/mask_rcnn_swin_tiny_patch4_window7_mstrain_480-800_adamw_3x_coco/latest.pth
