使用MMDetection训练自己的数据集4

四、模型选择

1. 模型选择

     在configs文件夹中选择想要使用的目标检测模型，我这里选择的是faster_rcnn；

     具体选择的faster_rcnn类型为：faster-rcnn_r50_fpn_1x_coco.py；

     在这里，根据自己的设备修改为了epoch=***，batch=***；

2. 配置文件准备及修改

     由于在MMDetection里大多用的都是COCO格式的数据集，因此在这里直接修改work_dir文件

夹里对应的配置文件会比起重新创建更加的方便。

2.1 生成配置文件

     首先运行faster_rcnn的训练命令：

     python tools/train.py configs/faster_rcnn/faster-rcnn_r50_fpn_1x_coco.py

     # 可以看到mmdetection文件夹中生成了一个work_dirs子文件夹，中就是完整的配置文件；

2.2 修改配置文件

     把配置文件修改成和我们自己的数据集适配

• 修改数据集类别数：

• 修改dataset_type：

• 修改batch_size：

• 修改学习率

2.3 注册数据集的metainfo

     在配置文件中创建一个metainfo，将自己的classes（标签类别）和palette（调色板）写入，并

且在train_dataloader、val_dataloader和test_dataloader里写入；

2.4 预训练权重的使用

     使用mim工具下载MMDetection框架中faster-rcnn模型的配置文件和预训练权重；

     命令行为：mim download mmdet --config faster-rcnn_r50_fpn_1x_coco --dest .

     # mim工具本身没有直接提供只下载权重的选项，但可以先下载配置文件和权重，然后手动删除

配置文件；

     找到配置文件中的load_from，然后把该权重文件的路径输入进去：