mmdetection-数据篇

最新推荐文章于 2024-09-02 08:58:14 发布

原创

最新推荐文章于 2024-09-02 08:58:14 发布 · 3.1k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #python #pytorch #机器学习

本文详细介绍了MMDetection框架中各种数据集的配置方法，包括VOCDataset、CocoDataset、CityscapesDataset等，涵盖了数据集的格式、配置参数及如何使用自定义数据集。

文章目录

数据集格式
使用自己的数据集
- 方式一：转换成已有数据集格式
- 方式二：添加自己的数据集格式

数据集格式

mmdetection提供的数据集格式如下：

CustomDataset
XMLDataset
CocoDataset
VOCDataset
CityscapesDataset
WIDERFaceDataset

数据准备：

mmdetection
├── mmdet
├── tools
├── configs
├── data
│   ├── coco
│   │   ├── annotations
│   │   ├── train2017
│   │   ├── val2017
│   │   ├── test2017
│   ├── cityscapes
│   │   ├── annotations
│   │   ├── leftImg8bit
│   │   │   ├── train
│   │   │   ├── val
│   │   ├── gtFine
│   │   │   ├── train
│   │   │   ├── val
│   ├── VOCdevkit
│   │   ├── VOC2007
│   │   ├── VOC2012

1.VOCDataset

VOC数据的配置项，使用了RepeatDataset来添加多个目录的数据集, times是指重复的次数,详见github
config文件中的配置

dataset_type = 'VOCDataset'
data = dict(
    imgs_per_gpu=2,
    workers_per_gpu=2,
    train=dict(
        type='RepeatDataset',
        times=3, 
        dataset=dict(
            type=dataset_type,
            ann_file=[
                data_root + 'VOC2007/ImageSets/Main/trainval.txt',
                data_root + 'VOC2012/ImageSets/Main/trainval.txt'
            ],
            img_prefix=[data_root + 'VOC2007/', data_root + 'VOC2012/'],
            pipeline=train_pipeline)),
    val=dict(
        type=dataset_type,
        ann_file=data_root + 'VOC2007/ImageSets/Main/test.txt',
        img_prefix=data_root + 'VOC2007/',
        pipeline=test_pipeline),
    test=dict(
        type=dataset_type,
        ann_file=data_root + 'VOC2007/ImageSets/Main/te