【Detectron】训练MaskRCNN数据集准备工作

最新推荐文章于 2024-10-30 20:09:25 发布

Jared�

最新推荐文章于 2024-10-30 20:09:25 发布

阅读量642

点赞数

CC 4.0 BY-SA版权

分类专栏： Detectron 文章标签： python 深度学习神经网络

本文链接：https://blog.youkuaiyun.com/Jaredzzz/article/details/106453981

Detectron 专栏收录该内容

1 篇文章

订阅专栏

本文详细介绍如何使用labelme标注工具准备数据集，并通过labelme2coco.py脚本将其转换为coco格式，适用于Facebook的Detectron项目。文章涵盖数据集的标注、转换及在Detectron中的配置步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

工程地址：https://github.com/facebookresearch/Detectron
Detectron的Mask RCNN直接使用的是coco数据集格式，因此，我们尝试将自己的数据集制作成coco的格式

一、数据集准备
制作数据需要使用labelme进行标注，安装方法很多，这里随便推荐一个博主的介绍https://blog.youkuaiyun.com/qq_38451119/article/details/83036495
数据标注完成之后，每一张图片会生成一个同名json文件，接下来就是进行转换了

这里提供一个labelme2coco文件：labelme2coco.py
将labelme2coco.py放在数据集统一路径下，按照自己的数据集进行修改，运行，得到train.json或者test.json

二、Detectron数据集安放
数据集安放可以按个人喜好，这里给出我的安放方法：
在这里插入图片描述
annotations: 生成的coco格式的test.json train.json
test: 所有测试集图片
train: 所有训练集图片

要开始训练，需要修改detectron/dataset/dataset_catalog.py
在 _DATASETS 后加上自己的数据集
在这里插入图片描述
再将训练使用的yaml文件中DATASETS改成自己刚刚设置的数据集名

至此，MaskRCNN的数据集准备工作就完成了。