yolov3训练自己的数据集(MMDetection)

用FasterRcnn训练了自己标注的数据集Voc格式,现在想用yolo来训练一下,修改了yolo文件内容,打算直接用yolo训练voc格式的数据,出现了一点问题 ,因为比较着急,就没有再详细研究。
MMDetection中大多训练模型为coco格式设计,计划把 voc格式转换为coco格式,也方便以后其他模型的训练。

1.voc格式转换为coco格式

可参考:

https://github.com/Stephenfang51/VOC_to_COCO

2.coco相关文件的修改

可参考
【mmdetection】使用自定义的coco格式数据集进行训练及测试

(1)定义数据种类(mmdetection/mmdet/datasets/coco.py),把CLASSES的那个tuple改为自己数据集对应的种类tuple即可。

   CLASSES = ('Other Car', 'Taxi')

(2)修改coco_classes数据集类别(mmdetection/mmdet/core/evaluation/class_names.py)

def coco_classes():
    return [
        'Other Car', 'Taxi'
    ]

(3)修改使用模型model字典中的num_classes

num_classes=2,#类别数

3.训练

python tools/train.py configs/yolo/yolov3_d53_mstrain-608_273e_coco.py

版权声明:本文为CSDN博主「chenf0」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/chenfang0529/article/details/120983714

chenf0

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

基于AI的图像视觉处理技术

计算机视觉是一门研究如何使机器”看“的科学,作为一个学科,它试图建立能够从图像或多维数据中获取”信息“的人工智能系统。 一、检测跟踪 ​ 1.MTCNN MTCNN是比较经典快速的人脸检测技术,它可实

Intrinsic Relationship Reasoning for Small Object Detection

我们提出了一种新的用于小对象检测的上下文推理方法,该方法对对象之间内在的语义和空间布局关系进行建模和推断。 传统的CNN是深度的卷积伴随着不可忽略的空间信息衰减,对小物体检测不大行。 因此,小目标检