【mmdetection实践】（一）构建自己的数据集

mmdetection实战：自定义COCO格式数据集

最新推荐文章于 2025-09-13 16:21:33 发布

原创

最新推荐文章于 2025-09-13 16:21:33 发布 · 4.8k 阅读

23 ·

CC 4.0 BY-SA版权

本文介绍了在mmdetection中构建自定义数据集的方法，主要分为两种方式：按照COCO数据集格式和定义新的Dataset类。通过分析COCODataset的使用，重点讲述了如何继承CustomDataset并重写`load_annotations`和`get_ann_info`方法来创建自己的数据集。实践中，建议遵循官方教程，避免直接修改COCODataset，确保数据集转换和训练的正确性。

理论知识

按照官网所说，构建自己的数据集有两种方法，自己的数据时COCO数据集的格式或者自己定义个数据集的格式。

按照COCO数据集的格式

这种方式要求数据按照COCO数据集的格式组织，COCO数据集的详细解释参考另一篇博客，主要是annotations中的json文件的内容需要注意。

接下来我们看一下mmdetection是如何调用数据集的，首先看一下训练的config文件中对数据集的定义部分：其中定义了dataset_type时COCODataset的类型，然后定义了COCO数据集的位置，train_pipeline定义了读取图片过程中的操作（包括读取，归一化，增广），data定义了train、val、test的具体位置。

# ./configs/faster_rcnn_r50_fpn_1x.py
# dataset settings

# dataset settings
dataset_type = 'CocoDataset'
data_root = './data/coco/'
img_norm_cfg = dict(
    mean=[123.675, 116.28, 103.53], std=[58.395, 57.12, 57.375], to_rgb=True)
train_pipeline = [
    dict(type='LoadImageFromFile'),
    dict(type='LoadAnnotations', with_bbox=True),
    dict(type='Resize', img_scale=(1333, 800), keep_ratio=True),
    dict(type='RandomFlip', flip_ratio=0.5),
    dict(type='Normalize', **img_norm_cfg),
    dict(type='Pad', size_divisor=32),
    dict(type='DefaultFormatBundle'),

最低0.47元/天解锁文章