Facebook detectron2训练faster rcnn

最新推荐文章于 2025-10-28 11:13:31 发布

原创

最新推荐文章于 2025-10-28 11:13:31 发布 · 2.7k 阅读

14 ·

CC 4.0 BY-SA版权

本文介绍如何使用Facebook的开源框架Detectron2训练FasterRCNN模型。主要内容包括安装Detectron2、准备数据集、注册数据集、配置训练参数及训练过程。通过实例演示了如何构建数据集字典，设置模型参数并执行训练。

Facebook detectron2训练faster rcnn

detectron2是Facebook开源的一套框架，适用于很多的deep learning task，例如instance segmentation等，本文主要就如何利用detectron2训练faster rcnn，并得到模型，主要描述大体的思路

0. 前期

前期请看官方的教程，大致了解怎么回事
github
colab

1. 安装detectron2

其进行目标检测方法不像github上一些项目，是把hub给clone下来修改，而是一个框架，我们需要安装这个框架。
如何安装，请见这里。
建议直接pip安装，而不是编译安装：
在这里插入图片描述
安装后，还需要opencv等，这里不描述了。

2. 数据集的准备

我们需要准备一个数据集，这个数据集存放在本机的一个位置，然后我们需要用一个列表装下每张图片的信息，每张图片需要用dict方式存储，举例如下：

{
   
   
    'file_name': '/exdata3/RuoyuChen/detectron2/VOC2007/JPEGImages/Black_Footed_Albatross_0009_34.jpg', 
    'image_id': 0, 
    'height': 336, 
    'width': 500, 
    'annotations': [
        {
   
   
	        'bbox': [139, 30, 292, 294], 
	        'bbox_mode': <BoxMode.XYXY_ABS: 0>, 
	        'category_id': 0, 
	        'iscrowd': 0
        }
    ]
}

这个只是一张图片的字典可视化，具体解释如下：

file_name：图片路径
image_id：图片编号，从0开始依次加1，没有顺序要求
height：图片的高度
width：图片的宽度
annotation：放box信息，1个{}代表一个框
bbox：[xmin,ymin,xmax,ymax]
bbox_mode：固定就好，详细见官方给的例子，在colab上
category_id：类别数字，从0开始
iscrowd：目标检测默认是0就行

然后假如1个图片的json字典像上面所示，我们假设在python中变量叫record，那么总的字典datasets_dict，我们只要每次求得record后，执行datasets_dict.append(record)即可得到一个完整的字典格式。

3. 注册数据集

这里每次训练前都需要执行类似的操作：

DatasetCatalog.register("CUB_train", lambda d=d: train_dataset_dicts)
MetadataCatalog.get("CUB_train").set(thing_classes=classes)

train_dataset_dicts即对应训练的字典。

4. 训练

模仿官方的配置即可

cfg = get_cfg()
    cfg.merge_from_file(model_zoo.get_config_file("COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml"))
    cfg.DATASETS.TRAIN = ("CUB_train",)
    cfg.DATASETS.TEST = ()
    cfg.DATALOADER.NUM_WORKERS = 2
    cfg.MODEL.WEIGHTS = model_zoo.get_checkpoint_url