一、准备数据集
首先需要准备好自己的数据集,包括图片和对应的标注文件。图片格式可以为jpg、png、bmp等常见图片格式,标注文件一般使用COCO数据集格式进行保存。如果是自己标注的数据集,可以使用一些开源的标注工具,如labelme、VoTT等。注意保证标注文件与图片文件名相同。
|--dataset |--annotations |--instance_train.json |--instance_val.json |--train |--*.jpg |--val |--*.jpg
二、安装mmdetection
安装mmdetection可以参考官方文档:https://mmdetection.readthedocs.io/en/latest/get_started.html#installation
安装完之后,需要将自己的数据集转换为mmdetection支持的格式,即将COOC格式的标注文件转换为mmdetection对应的.json和.png文件。可以使用以下命令:
python tools/train.py ${CONFIG_FILE} --resume_from ${CHECKPOINT_FILE}
三、配置训练参数
在mmdetection的配置文件中,需要指定训练参数,包括数据集路径,网络结构,训练方式等相关参数。可以选择使用已经训练好的预训练模型或者从头开始训练。
# dataset settings dataset_type = 'CocoDataset' data_root = '/path/to/dataset/' img_norm_cfg = dict(mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True) train_pipeline = [ dict(type='LoadImageFromFile'), dict(type='LoadAnnotations', with_bbox=True), dict(type='Resize', img_scale=(1333, 800), keep_ratio=True), dict(type='RandomFlip', flip_ratio=0.5), dict(type='Normalize', **img_norm_cfg), dict(type='Pad', size_divisor=32), dict(type='DefaultFormatBundle'), dict(type='Collect', keys=['img', 'gt_bboxes', 'gt_labels']), ] test_pipeline = [ dict(type='LoadImageFromFile'), dict(type='MultiScaleFlipAug', img_scale=(1333, 800), flip=False, transforms=[ dict(type='Resize', img_scale=(1333, 800), keep_ratio=True), dict(type='RandomFlip'), dict(type='Normalize', **img_norm_cfg), dict(type='Pad', size_divisor=32), dict(type='ImageToTensor', keys=['img']), dict(type='Collect', keys=['img']), ]) ] data = dict( imgs_per_gpu=2, workers_per_gpu=2, train=dict( type=dataset_type, ann_file=data_root + 'annotations/train_annotation.json', img_prefix=data_root + 'train/', pipeline=train_pipeline), val=dict( type=dataset_type, ann_file=data_root + 'annotations/val_annotation.json', img_prefix=data_root + 'val/', pipeline=test_pipeline), test=dict( type=dataset_type, ann_file=data_root + 'annotations/test_annotation.json', img_prefix=data_root + 'test/', pipeline=test_pipeline)) # model settings model = dict( type='FasterRCNN', pretrained='torchvision://resnet50', backbone=dict( type='ResNet', depth=50, num_stages=4, out_indices=(0, 1, 2, 3), frozen_stages=1, norm_cfg=dict(type='BN', requires_grad=True), norm_eval=True, style='pytorch'), neck=dict( type='FPN', in_channels=[256, 512, 1024, 2048], out_channels=256, num_outs=5), rpn_head=dict( type='RPNHead', in_channels=256, feat_channels=256, anchor_scales=[8], anchor_ratios=[0.5, 1.0, 2.0], anchor_strides=[4, 8, 16, 32, 64], target_means=[0.0, 0.0, 0.0, 0.0], target_stds=[1.0, 1.0, 1.0, 1.0]), roi_head=dict( type='StandardRoIHead', bbox_roi_extractor=dict( type='SingleRoIExtractor', roi_layer=dict(type='RoIAlign', out_size=7, sample_num=2), out_channels=256, featmap_strides=[4, 8, 16, 32]), bbox_head=dict( type='Shared2FCBBoxHead', in_channels=256, fc_out_channels=1024, roi_feat_size=7, num_classes=80, bbox_coder=dict( type='DeltaXYWHBBoxCoder', target_means=[0.0, 0.0, 0.0, 0.0], target_stds=[0.1, 0.1, 0.2, 0.2])))) # training settings train_cfg = dict( rpn=dict( assigner=dict( type='MaxIoUAssigner', pos_iou_thr=0.7, neg_iou_thr=0.3, min_pos_iou=0.3, match_low_quality=True, ignore_iof_thr=-1), sampler=dict( type='RandomSampler', num=256, pos_fraction=0.5, neg_pos_ub=-1, add_gt_as_proposals=False), allowed_border=-1, pos_weight=-1, debug=False), rcnn=dict( assigner=dict( type='MaxIoUAssigner', pos_iou_thr=0.5, neg_iou_thr=0.5, min_pos_iou=0.5, match_low_quality=False, ignore_iof_thr=-1), sampler=dict( type='RandomSampler', num=512, pos_fraction=0.25, neg_pos_ub=-1, add_gt_as_proposals=True), pos_weight=-1, debug=False)) # optimizer optimizer = dict(type='SGD', lr=0.02, momentum=0.9, weight_decay=0.0001) optimizer_config = dict(grad_clip=dict(max_norm=35, norm_type=2)) # learning policy lr_config = dict(policy='step', step=[8, 11]) total_epochs = 12 checkpoint_config = dict(interval=1, save_optimizer=True, create_symlink=False) log_config = dict(interval=50, hooks=[dict(type='TextLoggerHook')])
四、训练模型
完成以上准备工作后,即可开始训练模型。可以使用以下命令进行模型训练:
python tools/train.py ${CONFIG_FILE} [--work-dir ${WORK_DIR}] [--resume-from ${CHECKPOINT_FILE}]
五、模型测试与评估
在训练完成之后,可以使用以下命令进行模型测试和评估:
python tools/test.py ${CONFIG_FILE} ${CHECKPOINT_FILE} [--out ${RESULT_FILE}] [--eval ${EVAL_METRICS}]
模型测试可以得到检测结果文件,在结果文件中可以看到每张图片中检测出来的物体种类和检测框。评估结果可以得到模型的检测精度,包括mAP、Precision和Recall等指标。