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

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:<

评论 4
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