mmdetection训练自己的数据

配置环境

1. 安装pytorch环境
2. 安装mmcv

git clone https://github.com/open-mmlab/mmcv.git
cd mmcv
pip install .（是的你没看错，这里就是有个 . ）

3. 安装mmdetection

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
python setup.py develop

安装完成

训练自己的数据（如cascade rcnn）

1. 准备数据
   （1）voc个数的数据需要转为coco格式：打开mmdetection/xml2json.py，修改convert()中的文件路径，运行xml2json.py；
   （2）yolo格式可能也需要转为coco格式：（https://github.com/yumingchen/CVTeamTools）
2. 网络参数配置：cascade_rcnn_r50_fpn_1x.py
   打开mmdetection/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x.py：

_base_ = [
    '../_base_/models/cascade_rcnn_r50_fpn.py',
    '../_base_/datasets/coco_detection.py',
    '../_base_/schedules/schedule_1x.py', '../_base_/default_runtime.py'
]

在这几个文件中查找需要修改的参数
（1）修改num_classes:#分类器的类别数量+1，+1是多了一个背景的类型；
（2）修改data_root:#数据集根目录
（3）修改img_scale:#输入的图像尺寸
（4）修改imgs_per_gpu:#每个gpu计算的图像数量
（5）修改workers_per_gpu:#每个gpu分配的线程数
（6）修改ann_file和img_prefix:#数据集annotation路径和数据集路径
（7）修改optimizer中的lr:#学习率，计算公式：imgs_per_gpu*0.00125
（8）修改total_epochs:#训练轮数
（9）work_dir:#log文件和模型文件存储路径

3. 打开mmdetection/mmdet/datasets/coco.py:（最好是copy，然后根据自己的任务修改一份coco_custom.py文件，以及定义新的dataset类名，并在写到__init__.py）
   修改CLASSES中类别：#修改成自己的类别

三、运行train.py开始训练模型：
终端运行指令：python tools/train.py configs/cascade_rcnn_r50_fpn_1x_custom.py