- COCO# 系列文章目录
提示:这里可以添加系列文章的所有文章的目录,目录需要自己手动添加
例如:第一章 Python 机器学习入门之pandas的使用
提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档
文章目录
-
-
- 1.COCO数据集格式
- 2.mmdection介绍
- 3.配置文件和设置
- 4.训练
- 5.测试
- 6.可视化
- 7.小代码
-
-
- 1. 划分训练集,验证集
- 2. 补全coco数据集标签文件
- 3. 文件夹下图片重命名
- 4. 扩充数据集
- 5. 标签可视化
- 8.训练中出现的错误
- 9.mAP解释
- 10.常见tricks
1.COCO数据集格式
知乎:COCO数据集的标注格式—作者:Gemfield
2.mmdection介绍
2.1官方mmdection网站
2.2 知乎:轻松掌握mmdection系列文章——作者:OpenMMLab(推荐)
3.配置文件和设置
3.1 知乎:config配置文件解读初识CV ——作者:初识CV(推荐它的其他系列)
3.2 CSDN:mmdetection训练自己的数据集——作者:Bubble_water
有三处需要修改的地方
- train、val、test的images和json路径
- num_classes=(自己数据集标签类别个数,无需增加背景类别)
- mmdetection/mmdet/datasets/coco.py,把CLASSES的那个tuple改为自己数据集对应的种类tuple
- mmdetection/mmdet/core/evaluation/class_names.py,把coco_classes数据集类别修改
- 学习率LR和batch_size=num_gpus*image_per_gup
- 预训练权重
4.训练
在这里插入代码片
5.测试
mmdection中的test.py只能测试单张图片
6.可视化
- List item
- 训练log可视化
- 数据集标签可视化
7.小代码
1. 划分训练集,验证集
2. 补全coco数据集标签文件
3. 文件夹下图片重命名
4. 扩充数据集
5. 标签可视化
8.训练中出现的错误
1.提交格式错误bbox=[x1,y1,x2,y2],bbox=[x,y,w,h]
9.mAP解释
知乎:目标检测中的AP,mAP——作者:希葛格的韩少君
10.常见tricks
1.混合精度
2.多尺度训练,测试
3.soft_nms
4.在线难例采样
5.回归IoU损失