【目标检测】MMRotate旋转目标检测训练自定义DOTA格式数据集

该博客介绍目标检测模型的搭建与使用。首先阐述安装环境,包括创建Conda虚拟环境、安装PyTorch等;接着说明数据准备;然后详细讲解模型训练,如修改数据config、图片类型,设置预训练模型等;还提及模型测试和计算网络参数量。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. 安装环境

1.1. Conda虚拟环境
conda create --name mmrotate python=3.8 -y
conda activate mmrotate
1.2. 安装PyTorch
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113
1.3. 安装mmdet, mmrotate
pip install -U openmim
mim install mmengine
mim install "mmcv==2.0.0"
mim install "mmdet==3.0.0"
1.4. clone库并setup
git clone https://github.com/open-mmlab/mmrotate.git -b dev-1.x
cd mmrotate
pip install -v -e .

2. 数据准备

DOTA

|--images

       |--train

       |--val

       |--test

|--labels

       |--train

       |--val

       |--test

3. 模型训练

3.1. 修改数据config

configs/_base_/datasets/dota.py

(1) 根据数据保存位置修改data_root, ann_file, data_prefix的路径

(2) 添加classes类别信息, metainfo=dict(classes=classes)

3.2. 修改图片类型

mmrotate/datasets/dota.py

如果不是png,需修改图片类型,img_suffix

3.3. 设置预训练模型

选择使用的方法,例如Faster R-CNN

configs/_base_/default_runtime.py

下载预训练模型,在load_from中设置路径

3.4. Setup
python setup.py install
3.5. 模型训练
python tools/train.py configs/rotated_faster_rcnn/rotated-faster-rcnn-le90_r50_fpn_1x_dota.py

4. 模型测试

python tools/test.py configs.py weights.pth

5. 计算网络参数量

python tools/analysis_tools/get_flops.py config.py --shape 960

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值