【MMYOLO训练数据集】

本文介绍了MMYOLO,一个OpenMMLab的开源目标检测框架,详细讲解了如何安装环境、准备数据、配置模型、更换主干网络和优化器,以及进行训练、验证和模型调整的过程。

MMYOLO介绍

MMYOLO是OpenMMLab实验室开发的一个基于YOLO系列的目标检测框架的实现,它整合了MMCV和MMEngine等工具库以支持更方便的模型训练、评估以及部署。

以下是一个大致的MMYOLO使用教程概览:

  1. 环境安装

    • 安装Python和必要的依赖包。

    • 安装mim工具,用于管理OpenMMLab项目的依赖:

      pip install openmim
      
    • 使用mim安装MMYOLO所需的依赖库:

      mim install mmengine>=0.2.0
      mim install mmcv>=指定版本,<下一个主版本
      mim install mmdet>=指定版本,<下一个主版本
      
  2. 获取代码与安装MMYOLO

    git clone https://github.com/open-mmlab/mmyolo.git
    cd mmyolo
    # 安装项目自身依赖
    pip install -r requirements.txt
    # 或者如果是用mim来安装项目本身
    mim install -v -e .
    
  3. 数据准备

### 使用 MMYOLO 框架训练 VisDrone 数据集 #### 准备环境和安装依赖项 确保已正确设置 Python 和 pip 环境。按照 OpenMMLab 提供的指南来准备开发环境并安装必要的库[^1]。 ```bash pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu113/torch1.10/index.html git clone https://github.com/open-mmlab/mmdeploy.git cd mmdeploy pip install -e . ``` #### 下载和配置数据集 VisDrone 是一个广泛使用的无人机视角下的多对象跟踪与检测数据集。下载该数据集,并将其解压至指定路径下,通常命名为 `data/visdrone` 文件夹内。 创建一个新的配置文件用于定义如何加载和预处理图像以及标注信息: ```yaml dataset_type: 'CocoDataset' data_root: 'data/visdrone/' classes: ('pedestrian', 'people', 'bicycle', 'car', 'van', 'truck', 'tricycle', 'awning-tricycle', 'bus', 'motor') img_prefix: train: 'VisDrone2019-DET-train/images/' val: 'VisDrone2019-DET-val/images/' ann_file: train: 'annotations/train.json' val: 'annotations/val.json' pipeline: ... ``` #### 修改模型配置 基于 RTMDet 的特性,在 mmyolo 中调整相应的超参数以适应 VisDrone 特定的任务需求。这可能涉及到更改输入尺寸、锚框比例等因素。 编辑或新建 `.py` 配置脚本如下所示: ```python from mmdet.models import build_detector import torch.nn as nn model = dict( type='RTMDet', backbone=dict(type='ResNet', depth=50), neck=dict( type='FPN', in_channels=[256, 512, 1024], out_channels=256, start_level=1, add_extra_convs=True, num_outs=5), bbox_head=dict( type='RTMDetHead', num_classes=len(classes), # 根据实际类别数量设定 in_channels=256, stacked_convs=4, feat_channels=256)) train_cfg = None test_cfg = dict( nms_pre=1000, min_bbox_size=0, score_thr=0.05, nms=dict(type='nms', iou_threshold=0.6), max_per_img=100) optimizer = dict(type='SGD', lr=0.01, momentum=0.9, weight_decay=0.0001) # 其他必要组件如 runner, checkpoint_config, log_config 等也需要相应配置... ``` #### 开始训练过程 完成上述准备工作之后,就可以启动训练命令了。通过简单的 shell 命令即可调用 mmyolo 工具来进行模型的学习迭代。 ```bash python tools/train.py configs/my_rtmdet_visdrone.py \ --work-dir work_dirs/my_rtmdet_visdrone \ --gpus 1 \ --seed 0 ```
评论
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

打赏作者

stsdddd

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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