SSD300探测自己的数据集最终记录

本文详细记录了如何制作VOC2007格式的数据集,包括图片重命名、标注、数据组织,以及使用SSD300模型进行训练、评估和测试的过程。训练前需清理缓存,训练结果保存在weights文件夹,测试结果会显示在输出图片及文本中。此外,还提到了涉及中文文件名时的注意事项和配置文件的修改要求。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、制作VOC2007格式的数据集
1)将图片数据重命名,命名为数字,
1-383,501-699,800-1076
2)进行标注
利用标注软件labelImg进行标注,Win10上无需安装,直接运行。
自动将标注文件保存到一个文件下,文件名与图片名字默认是一一对应的,标注完成后进行检查,我标注完成的xml文件,Width和Height值都为0,需要统一修改。

修改代码:xml_modify.py,,
注意:上面地址需要改变 path = "E:\\pengpeng\\VOC2007\\Annotations\\"

3)将数据放置成3个文件夹。
VOC2007文件夹下包含3个文件夹:JPEGImages;Annotations;ImageSets;

JPEGImages下放置图片数据;
Annotations下放置xml标注数据;
ImageSets下是Main文件夹,Main文件夹下有4个txt文件;这4个txt文件需要代码自动生成;运行txtcheng.py,自动生成。

注意:xmlfilepath = 'E:\\pengpeng\\VOC2007\\Annotations'
txtsavepath = 'E:\\pengpeng\\\\VOC2007\\ImageSets\\Main'
这两个需要修改成自己的地址。

4)就此,数据集就制作好了

2、训练模型:

运行train.py 在pycharm中设置参数:--dataset_root E:\pengpeng

注意:在运行前,将之前运行的缓存文件都清空。

然后等待运行结果,运行结果自动保存在weights文件夹下。

3、模型精度:
运行eval.py文件:得到算法的总的精度

AP for feng = 0.0610
Mean AP = 0.7749

在pycharm中设置参数 --trained_model  ,默认是default='weights/ssd300_xxxx.pth'

4、运行test.py,得到每张图中框的具体细节,写入到一个eval/test1.txt文档中。

5、展示图片检测的效果

进入到demo文件夹下,
修改net.load_weights('../weights/ssd300_fengyxf_64800.pth')
将其修改为最新的训练模型

并且将要测试的新图片放到demo文件夹下的testfile文件下,

运行yxfyxftest.py:得到测试集每张图片探测的具体细节,图片显现,第一张原图显示,第二张是检测的带框图片显示,同时将探测的结果图保存在当前的ouput文件夹中。

并且打印:检测到有缝的图片信息;

例如:
Image name: 164.jpg
PREDICTIONS:  Feng number: 1; label: feng score: tensor(0.7311)

如果出现只打印,不显示图片的情况:设置左上角的File下拉菜单的Setting按钮的,将show plots in tool windows的前面的框去掉即可。

 

 

增加:2019.8.14

1\如果在有汉字的文件夹下标记图片文件,在修改xml文件时,需要将path的路径值改为英文,不能有中文,否则在修改后的xml文件直接报错。

2、在整理好数据集后,

记得修改3个文件

ssd.py中的分类的数目。

data文件夹下的voc0712.py的标签名字和config.py的分类的数目.

以及train.py保存的模型的名称

才能开始训练train.py

 

 

 

 

 


 

评论 1
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