（linux/MMdetection2）faster RCNN目标检测：训练自己的coco格式数据集，单/多gpu训练与测试，笔记

前言

1. 如何在anconda创建mmdetection虚拟环境和用pycham为项目配置环境见（linux）mmdetection环境配置gpu+anaconda+pycham+ RTX2080ti 笔记
2. mmdetection链接 https://github.com/open-mmlab/mmdetection或mirrors / open-mmlab / mmdetection · GitCode 
3. voc转coco参考记录一下：DETR训练自制VOC转COCO数据集的过程

数据集准备

在mmdetection文件夹下新建data文件夹，需要coco数据集格式如下(test测试集可有可无）

coco数据集位置格式
mmdetection
├── data
     ├── coco: 数据集根目录
          ├── train2017
          ├── val2017
          ├── test2017
          └── annotations: 对应标注文件夹
                    ├── instances_train2017.json
                    ├── instances_val2017.json
                    └── instances_test2017.json

voc转coco

1.先创建instances_train2017.json，instances_val2017.json和instances_test2017.json空文本。可通过新建txt文件再重命名修改文件扩展名创建json格式文本

2.根据对应的txt文件将xml标注文件转json，需要修改PRE_DEFINE_CATEGORIES和数据集路径

# 根据对应的txt文件将xm