📖 首先需要准備好數據集，這里有xml標簽數據轉voc數據集格式的說明以及免費分享的數據集：xml轉voc數據集 - 一屆書生 - 博客園 (cnblogs.com)
1. 准備工作目錄
我們的工作目錄，也就是mmdetection目錄，如下所示：
.
├── configs
│ ├── _base_
│ │ ├── datasets
│ │ ├── models
│ │ ├── schedules
│ │ └── default_runtime.py
│ ├──pascal_voc
│ │ └── ......
│ └──......
├── data
│ └── VOCdevkit
│ └── VOC2007
│ ├── Annotations
│ │ ├── 003002_0.xml
│ │ ├── 003002_1.xml
│ │ └── ......
│ ├── ImageSets
│ │ └── Main
│ │ ├── test.txt
│ │ ├── train.txt
│ │ ├── trainval.txt
│ │ └── val.txt
│ └── JPEGImages
│ ├── 003002_0.jpg
│ ├── 003002_1.jpg
│ └── ......
├── mmdet
│ ├── core
│ ├── datasets
│ └── ......
├── tools
│ └── ......
└── ......
-
configs就是我們的訓練所設計的配置的文件夾，我們需要進行修改符合voc格式。
-
data就是我們的數據集文件，文件目錄如上。
-
mmdet是我們所需要修改的，主要是對訓練的一些數據進行配置，需要修改類別數，。
-
tools是我們的mmdetection提供的工具箱，里邊包含我們要用的訓練和測試文件。
2. 修改mmdetection模型的配置
主要分為兩部分，configs文件夾和mmdet文件夾。
2.1 修改configs文件夾
配置文件指的是 mmdetection/configs 下的文件，也就是你要訓練的網絡的一些配置。默認情況下，這些配置文件的使用的是 coco 格式，只有 mmdetection/pascal_voc 文件夾下的模型是使用 voc 格式，數量很少。如果要使用其他模型，則需要修改配置文件，這里以mmdetection/configs/cascade_rcnn/cascade_rcnn_r50_fpn_1x.py 為例。
1️⃣ 我們先在目錄 mmdetection/configs/pascal_voc 下創建一個 cascade_rcnn_r50_fpn_1x_voc0712.py 作為cascade使用voc數據集的配置文件。就是我們的模型，使用以下基礎配置文件，如果想要修改，可以直接去基礎配置文件里面改。
ascade_rcnn_r50_fpn_1x_voc0712.py 的內容如下：
_base_ = [
'../_base_/models/cascade_rcnn_r50_fpn_voc.py',
'../_base_/datasets/voc0712.py',
'../_base_/schedules/schedule_1x.py',
'../_base_/default_runtime.py',
]
runner = dict(type='EpochBasedRunner', max_epochs=7) # max_epochs就是我們要訓練的總數，根據自己情況修改。
2️⃣ 我們先對 mmdetection/configs/_base_/models 目錄下的創建一個 cascade_rcnn_r50_fpn_voc.py配置文件，文件的內容從同目錄下 cascade_rcnn_r50_fpn.py 里面復制一下，然后進行以下修改。
在 cascade_rcnn_r50_fpn_voc.py配置文件中搜索 num_classes ，改成自己的類別數量，比如說我有一個類，我就改成1。配置文件里一共有三處。
3️⃣ 【可選】如果自己的顯存比較小的話，可以修改 _base_/datasets/voc0712.py 文件里面的 img_scale 共兩處，例如改成（600，400）。
4️⃣ 【可選】為了讓訓練過程更直觀，以及節省存儲空間，可以修改 _base_/default_runtime.py 里面的 interval ，一共有兩個，第一個是模型權重的保存間隔，一般我們設置的比較大一點，例如20（根據你訓練的總epoch而定）。第二個是日志的保存間隔，一般我們設置的比較小一點，例如1（根據你訓練的總epoch而定）。
2.1 修改mmdet文件夾（修改完這里邊的內容需要重新編譯）
1️⃣ 修改 mmdetection/mmdet/core/evaluation/class_names.py ，把 voc_classes() 方法返回值，修改為自己的類別。例如我只有一類，我就改成下面這樣，只有一類的后邊加個逗號，有多類的不用加逗號。
2️⃣ 修改 mmdetection/mmdet/datasets/voc.py ，把 CLASSES ，修改為自己的類別。例如我只有一類，我就改成下面這樣，只有一類的后邊加個逗號，有多類的不用加逗號。
⚠️⚠️⚠️ 兩個文件夾都修改完后，在mmdetection文件夾下，運行命令，python setup.py install，重新編譯一下，為了讓所修改的內容生效。如果報錯類別數量不對的話，請參考：# AssertionError: The `num_classes` (3) in Shared2FCBBoxHead of MMDataParallel does not matches the length of `CLASSES` 80) in CocoDataset - 一屆書生 - 博客園 (cnblogs.com)
3. 開始訓練
1️⃣ 單GPU訓練
python tools/train.py configs/pascal_voc/cascade_rcnn_r50_fpn_1x_voc0712.py
2️⃣ 多GPU訓練
bash tools/dist_train.sh configs/pascal_voc/cascade_rcnn_r50_fpn_1x_voc0712.py 2
- configs/pascal_voc/cascade_rcnn_r50_fpn_1x_voc0712.py 就是我們要訓練模型的配置文件
- 2 是我們的GPU數目
4. 模型測試
python tools/test.py work_dirs/cascade_rcnn_r50_fpn_1x_voc0712/cascade_rcnn_r50_fpn_1x_voc0712.py work_dir s/cascade_rcnn_r50_fpn_1x_voc0712/latest.pth --show-dir work_dirs/cascade_rcnn_r50_fpn_1x_voc0712/test_show
可視化結果展示：
|
|
|
同時我們的 work_dirs/mask_rcnn_r101_fpn_2x_coco/ 目錄下還會有個json文件，可以可視化我們的一些評價指標的變化情況。為了方便顯示，我們在 mmdetection/ 目錄下新建一個 logs 文件夾，講 json 文件拷貝到 logs 文件夾。
python tools/analysis_tools/analyze_logs.py plot_curve logs/20211101_171556.log.json --keys loss_rpn_cls loss_rpn_bbox loss --out out.pdf
-
plot_curve 代表畫折線
-
logs/20211101_171556.log.json 換成你自己的 json 文件
-
loss_rpn_cls loss_rpn_bbox loss 你想顯示的數據
-
out.pdf 你輸出的文件
顯示結果如下圖：
⭐ 文章到此結束了，完結撒花。