MMdetection-自定义数据集训练模型

MMDetection 支持在 Linux，Windows 和 macOS 上运行。它需要 Python 3.7 以上，CUDA 9.2 以上和 PyTorch 1.8 及其以上。

安装流程

step1:使用 MIM 安装 MMEngine 和 MMCV

pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.0"

step2:安装 MMDetection

方案1：如果你开发并直接运行 mmdet，从源码安装它

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
pip install -v -e .
# "-v" 指详细说明，或更多的输出
# "-e" 表示在可编辑模式下安装项目，因此对代码所做的任何本地修改都会生效，从而无需重新安装。

方案 2：如果你将 mmdet 作为依赖或第三方 Python 包，使用 MIM 安装：

mim install mmdet

训练流程

step1:将手势数据集转成coco格式

转换脚本为limbify/scripts/auto_box_label/hand_to_coco_format.py

python scripts/auto_box_label/hand_to_coco_format.py -i <data_root>

step2:修改配置文件

主要改模型检测的类别和数据路径，以yolox的配置文件为例：

#修改图片尺寸
img_scale = (640, 480)  # width, height
#修改检测头检测类别数
bbox_head=dict(
        type='YOLOXHead',
        num_classes=2,
        ...)
#修改data_root和添加classes
data_root = '/home/gan/hand_data/hand_data_train/'
dataset_type = 'CocoDataset'
classes = ('L', 'R')
#修改dataset和dataloader
train_dataset = dict(
    # use MultiImageMixDataset wrapper to support mosaic and mixup
    type='MultiImageMixDataset',
    dataset=dict(
        type=dataset_type,
        metainfo=dict(classes=classes),
        data_root=data_root,
        ann_file='/home/gan/hand_data/hand_data_train/coco_mmdet.json',
        data_prefix=dict(img='/home/gan/hand_data/hand_data_train/'),
        ...)
val_dataloader = dict(
    ...
    dataset=dict(
        type=dataset_type,
        metainfo=dict(classes=classes),
        data_root=data_root,
        ann_file='/home/gan/hand_data/hand_data_test/coco_mmdet.json',
        data_prefix=dict(img='/home/gan/hand_data/hand_data_test/'),
        test_mode=True,
        pipeline=test_pipeline,
        backend_args=backend_args))
val_evaluator = dict(
    type='CocoMetric',
ann_file='/home/gan/hand_data/hand_data_test/coco_mmdet.json',
    metric='bbox',
    backend_args=backend_args)

step3:运行train.py训练模型

python tools/train.py yolox_s_8xb8-300e_coco_hand.py

参考文档：在标准数据集上训练预定义的模型 — MMDetection 3.1.0 文档