ubuntu下mmdetection项目中Faster R-CNN模型进行肺结节检测

最新推荐文章于 2025-06-07 23:27:27 发布

原创

最新推荐文章于 2025-06-07 23:27:27 发布 · 2.7k 阅读

16 ·

CC 4.0 BY-SA版权

本文介绍了在Ubuntu环境下，利用mmdetection框架进行Faster R-CNN模型训练以检测肺结节的步骤。首先，详细说明了mmdetection项目的安装过程，包括安装pytorch、python3.6、cython和mmcv。接着，讨论了模型配置文件的修改，特别是针对肺结节二分类任务调整了num_classes参数。数据集采用LUNA16，处理后的训练集和测试集分别有781张和366张图片。最后，提到了在测试过程中遇到的问题，以及通过test.py和voc_eval.py进行预测和统计结果的方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

mmdetection为香港中文大学和商汤科技用于目标检测和实例分割的开源项目，地址为https://github.com/open-mmlab/mmdetection

一、安装。下载该项目后，命令行进入进入mmdetection目录，运行compile.sh程序，然后运行setup.py程序，我是在anaconda环境下进行的，在anaconda的相关目录下会生成mmdetection项目相关程序，实际运行的时候会运行anaconda下的该项目的程序，故而每次修改mmdetection中相关程序后，需要重新运行setup.py来更新anaconda下mmdetection项目相关程序，如果不重新运行setup.py会报错，涉及到的命令如下：

cd mmdetection
./compile.sh
python setup.py install

该项目使用的框架是pytorch，我安装的是pytroch1.1，现在已经支持，之前的版本只支持0.4。我选择python3.6，还需安装cython，mmcv。

二、模型的一些参数配置文件在configs目录下，各个模型也有不同的模型配置，比如我使用的faster rcnn共有6个不同的配置，我使用的是faster_rcnn_r50_fpn_1x.py这种配置，里面的具体参数也做一些修改，pascal_voc目录下faster_rcnn_r50_fpn_1x_voc0712.py是对应的pascal voc标注文件的配置形式，使用该pascal voc格式数据集来运行的时候应该使用该配置文件，或者转换成coco格式，使用configs目录下的python文件，识别肺结节为二分类，总共只有肺结节和背景两类，所以修改配置文件中的num_classes为2，若是coco格式，需要将mmdetection/mmdet/datasets下的coco.py中的CocoDataset类的CLASSES元组类型类别变量改为肺结节一类，我这里修改为：<