linux下yolact算法的实现，测试自己的数据集

本文链接：https://blog.youkuaiyun.com/nlx1201/article/details/102918833

本文介绍了在Ubuntu16.0系统中，使用PyTorch1.3.0实现Yolact算法的过程，包括环境配置、代码修改、训练自定义数据集的步骤。通过修改yolact.py文件适配PyTorch版本，添加权重文件和数据集目录，使用labelme进行标注并转换为COCO格式。在训练完成后，通过调整config文件以适应新的类别数量，并运行train.py进行训练，最后进行模型评估。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

环境

Ubuntu16.0 pytorch1.3.0 pycharm
代码链接：https://github.com/dbolya/yolact

下载anaconda cudnn 均为最新版
下载所需要的包
#Cython needs to be installed before pycocotools
pip install cython
pip install opencv-python pillow pycocotools matplotlib
git clone https://github.com/dbolya/yolact.git
cd yolact
3.在readme里面下载所需要的权重文件

代码修改

由于我用的是pytorch1.3.0，所以需要进行一些代码的修改，在yolact.py文件中497行下的修改：
去掉 is_script_conv = isinstance(module, torch.jit.WeakScriptModuleProxy)
更换为 is_script_conv = ‘Script’ in type(module).name
2.添加weights文件以及里面的权重
3.添加coco/annotations 存放训练json文件
添加coco/images/JPEGImages 存放图片
此时运行python eval.py可以运行

训练自己的数据集

1.将录好的视频利用MP4.py以10帧获取一幅图片（录时控制的大小是550*550）
2.查看图片质量，删除没有图像的图片
3.对图片进行改名字
4.对图片进行标注
5.利用labelme2coco.py转为coco数据集

利用以下代码将自己的图片设定为550×550的大小

import os

import cv2
import numpy as np


## 读取图像，解决imread不能读取中文路径的问题
def cv_imread(filePath):
    cv_img = cv2.imdecode(np.fromfile(filePath, dtype=np.uint8),