MMDetection v2.0 訓練自己的數據集

點擊上方「CVer」，選擇加"星標"置頂

重磅乾貨，第一時間送達

本文作者：cjsnx shsb

https://zhuanlan.zhihu.com/p/162730118

本文已由原作者授權，不得擅自二次轉載

上一次安裝mmdetection的docker環境離現在已經快一個月了，本來打算隔三五天記錄一下，然後一直拖延到現在都沒記錄更新。。。。這個項目是打算記錄安裝環境，訓練模型最後到源碼解析。

1 新建容器

進入正題 mmdetection docker環境上次已經介紹一次了 ，現在我們新建一個容器

sudo nvidia-docker run -shm-size=8g -name mm_det -it -v /train_data:/mmdetection/data

nvidia-docker：新建容器能調用GPU

-name : 容器名稱 可自行修改

-v ：映射宿主目錄到容器目錄, /train_data 是宿主目錄，映射到容器目錄 /mmdetection/data

退出容器

exit

重新進入容器

sudo docker exec -i -t mm_det /bin/bash

doxker exec ：在運行的容器中執行命令

-i -t : 交互模式執行

mm_det : 容器名稱

/bin/bash ：執行腳本

2 準備自己的VOC數據集

mmdetection 支持VOC數據集，還有COCO數據集格式，還可以自定義數據格式，現在我們採用VOC的數據格式，mm_det容器已經映射宿主目錄了，在宿主目錄/train_data，新建目錄存放數據集，可在容器內/mmdetection/data裡在操作，新建目錄結構如下

VOCdevkit

--VOC2007

----Annotations

----ImageSets

-Main

----JEPGImages

Annotations 目錄存放.xml文件，JEPGImages 存放訓練圖片，劃分數據集使用以下代碼，

代碼保存在/VOCdevkit/VOC2007 目錄下 ，直接執行

import os
import random

trainval_percent = 0.8
train_percent = 0.8
xmlfilepath = 'Annotations'
txtsavepath = 'ImageSets\Main'
total_xml = os.listdir(xmlfilepath)

num = len(total_xml)
list = range(num)
tv = int(num * trainval_percent)
tr = int(tv * train_percent)
trainval = random.sample(list, tv)
train = random.sample(trainval, tr)

ftrainval = open('ImageSets/Main/trainval.txt', 'w')
ftest = open('ImageSets/Main/test.txt', 'w')
ftrain = open('ImageSets/Main/train.txt', 'w')
fval = open('ImageSets/Main/val.txt', 'w')

for i in list:
name = total_xml[i][:-4] + '\n'
if i in trainval:
ftrainval.write(name)
if i in train:
ftrain.write(name)
else:
fval.write(name)
else:
ftest.write(name)

ftrainval.close()
ftrain.close()
fval.close()
ftest.close()

上述代碼分割數據集，訓練集佔80%，測試集佔20% 運行代碼後可在/VOCdevkit/VOC2007/ImageSets/Main看見三個.txt文件

三個.txt文件裡面分別是訓練測試圖片名稱的索引，數據集準備到這就完成了

3 修改 VOC0712.py 文件

cd /mmdetection/configs/_base_/datasets

進入目錄後打開voc0712.py

在data的配置 要刪除屏蔽VOC2012的路徑，和VOC2012變量 保存文件

4 修改 voc.py 文件

cd /mmdetection/mmdet/datasets

打開 voc.py文件

這個CLASSE 是VOC標籤的類別 我們要換成自己數據集的類別標籤

5 修改class_names.py 文件

cd /mmdetection/mmdet/core/evaluation

打開 class_names.py 文件

修改 voc_classes() 函數返回的標籤，換成自己數據集的標籤 保存退出

6 修改 faster_rcnn_r50_fpn_1x_coco.py

cd mmdetection/configs/faster_rcnn

我們這次選用faster_rcnn 模型訓練，打開faster_rcnn_r50_fpn_1x_coco.py文件

faster_rcnn_r50_fpn_1xcoco.py文件裡面調用了三個文件，第一個是模型配置文件，第二個是數據集配置文件，後來兩個是配置學習率，迭代次數，模型加載路徑等等，我們把原來COCO_detection.py 修改成VOC0712.py 文件

7 修改faster_rcnn_r50_fpn.py

cd /mmdetection/configs/_base_/models

打開 faster_rcnn_r50fpn.py 文件 ,修改num_classes 數量，num_classes 的值等於類別數量，不需要加背景了

以上就是需要修改的內容，修改完成後開始訓練模型

8 訓練模型

python3 ./tools/train.py ./configs/faster_rcnn_r50_fpn_1x.py

訓練完成後可以參考/mmdetection/demo/image_demo.py文件進行測試

以上就是使用自己的數據集集訓練mmdetection faster_rcnn模型的所有內容

下載1

在CVer公眾號後臺回覆：PRML，即可下載758頁《模式識別和機器學習》PRML電子書和源碼。該書是機器學習領域中的第一本教科書，全面涵蓋了該領域重要的知識點。本書適用於機器學習、計算機視覺、自然語言處理、統計學、計算機科學、信號處理等方向。

PRML

下載2

在CVer公眾號後臺回覆：CVPR2020，即可下載CVPR2020 2020代碼開源的論文合集

在CVer公眾號後臺回覆：ECCV2020，即可下載ECCV 2020代碼開源的論文合集

重磅！CVer-目標檢測 微信交流群已成立

掃碼添加CVer助手，可申請加入CVer-目標檢測 微信交流群，目前已匯集4100人！涵蓋2D/3D目標檢測、小目標檢測、遙感目標檢測等。互相交流，一起進步！

同時也可申請加入CVer大群和細分方向技術群，細分方向已涵蓋：目標檢測、圖像分割、目標跟蹤、人臉檢測&識別、OCR、姿態估計、超解析度、SLAM、醫療影像、Re-ID、GAN、NAS、深度估計、自動駕駛、強化學習、車道線檢測、模型剪枝&壓縮、去噪、去霧、去雨、風格遷移、遙感圖像、行為識別、視頻理解、圖像融合、圖像檢索、論文投稿&交流、PyTorch和TensorFlow等群。

一定要備註：研究方向+地點+學校/公司+暱稱（如目標檢測+上海+上交+卡卡），根據格式備註，可更快被通過且邀請進群

▲長按加群

▲長按關注我們

整理不易，請給CVer點讚和在看！