自制coco数据集流程

1.我从coco数据集提取了12个类,数据集制作好了
2.更改了configs中fasterrcnn的类别数

,更改了coco.py里的

和mmdet\core\evaluation\class_names.py中的

3.重新编译
4.执行命令 python .\tools\train.py .\configs\faster_rcnn\faster_rcnn_r101_fpn_1x_coco.py

版权声明:本文为CSDN博主「故乡的云和星星」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/qq_39328536/article/details/122416024

我还没有学会写个人说明!

暂无评论

发表评论

相关推荐

目标检测中的先验框(Anchor)

什么是先验框?
了解过目标检测算法的朋友们肯定知道先验框(Anchor)的概念,那么什么是先验框,为什么要有先验框?若要解释这个问题,首先我们需要了解边界框回归原理。
b

YOLOv3学习——锚框和候选区域

YOLOv3学习之锚框和候选区域
单阶段目标检测模型YOLOv3
R-CNN系列算法需要先产生候选区域,再对候选区域做分类和位置坐标的预测,这类算法被称为两阶段目标检测算法。近几年,很多研究人员相继