windows环境下使用mmdetection+mmdeploy训练自定义数据集并转成onnx格式部署

最新推荐文章于 2025-09-21 00:08:14 发布

原创

最新推荐文章于 2025-09-21 00:08:14 发布 · 1.3k 阅读

9 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #目标检测 #深度学习 #cnn #pytorch #mmdetection #mmdeploy

本文介绍基于MMDetection进行目标检测模型训练与推理的过程。涵盖实验环境搭建，包括安装conda、pytorch等；准备自定义VOC数据集，修改配置信息；开始训练并得到模型权重文件；最后进行模型转换与推理，得到onnx模型和预测结果文件。

实验环境

windows10
python：3.8
pytorch :1.8.1
cuda：11.1
mmdet：3.1.0
mmcv：2.0.1
onnxruntime-gpu：1.9.0

安装conda

conda下载地址：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-5.2.0-Windows-x86_64.exe

创建虚拟环境

conda create -n openmmlab python=3.8
conda activate openmmlab

安装pytorch

pip install torch==1.8.1+cu111 torchvision==0.9.1+cu111 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

使用 MIM 安装 MMEngine 和 MMCV

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

安装 MMDetection

在github上下载MMDetection：

git clone git@github.com:open-mmlab/mmdetection.git

如果网络不好也可到gitee下载：

git clone git@gitee.com:open-mmlab/mmdetection.git

或者可以直接下载zip压缩包：
在这里插入图片描述

准备自定义数据集

此处使用VOC数据集进行演示，使用的框架为Faster RCNN。VOC数据集的格式如下：

└─VOCdevkit
    └─VOC2007
        ├─Annotations
        ├─ImageSets
        │  └─Main
                 └─test.txt
                 └─train.txt
                 └─val.txt
        └─JPEGImages

其中Annotations存放xml文件，JPEGImages存放jpg文件。

修改配置信息

复制configs/_base_/datasets/voc0712.py，命名为configs/_base_/datasets/vocengine.py。（该名称可自定义）
修改数据集路径：

最低0.47元/天解锁文章