不修改MMDetection源码使用自定义数据和模型

原创

已于 2025-11-25 18:19:15 修改 · 1.2k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #mmdetection #非侵入式配置

于 2023-06-19 19:19:51 首次发布

本文介绍了如何在不修改MMDetection源代码的情况下，配置自己的模型和数据集进行目标检测训练。作者选择了VOC格式的数据集，创建了数据集配置文件，并编写了自定义模型类。整个过程包括安装MMDetection、准备数据、创建配置文件、训练模型等步骤，并解决了MMDetection中VOC评估数据的类别显示问题。

刚开始用MMDetection框架，希望使用自己的模型和训练数据集，因此粗略看了官方教程和网上的一些资料。然而，这些资料大多数都需要修改MMDetection安装目录下的文件，这显然不是一种很好的做法。下面以目标检测为例，我通过自己摸索了一种非侵入式的模型和MMDetection数据配置方法，简要总结如下。

1、安装和配置MMDetection

通过源码安装MMDetection，具体安装方式参考官网GET STARTED — MMDetection 3.0.0 documentation。

为方便在项目中引用，我们创建一个软链接，将mmdetection的根目录映射为当前我们项目工作目录下的一个子目录，假设为“mm/mmdetection/‘。

这里安装的时mmdet 3.0.0版本。
2、准备自定义数据集

官方推荐COCO数据集，但我发现COCO的描述文件将不同的图片耦合到了一起，且当图片比较多的时候，这个文件很大，不利于调试和修改。因此我改用VOC格式，每个图片使用一个描述文件。假设数据目录为’data‘。

假设目标有7种类型：'Car', 'Bus', 'Truck', 'Motor', 'Bike', 'Rider', 'Person'

本地项目的目录结构如下：

├─data
│  ├─readme.txt
│  └─VOC2007
│      ├─Annotations
│      ├─ImageSets
│      │  └─Main
│      └─JPEGImages
├─mm
│  ├─config
│  ├─mmdetection
│  └─models

3、创建数据集配置文件"mm/config/da_dataset.py"


_base_ = ['../mmdetection/configs/_base_/datasets/voc0712.py']

batch_size = 8
num_

最低0.47元/天解锁文章