detectron2訓練自己的數據實現目標檢測和關鍵點檢測——修改配置文件和代碼開始訓練
1. 配置
基本配置 | 版本號 |
---|---|
CPU | Intel® Core™ i5-8400 CPU @ 2.80GHz × 6 |
GPU | GeForce RTX 2070 SUPER/PCIe/SSE2 |
OS | Ubuntu18.04 |
python | 3.6.9 |
gcc | 5.5 |
g++ | 5.5 |
cuda | 10.0 |
pytorch | 1.5 |
2. 修改配置文件
2.1 修改yaml文件
修改configs/COCO-Keypoints下的keypoint_rcnn_R_50_FPN_3x.yaml文件
_BASE_: "Base-Keypoint-RCNN-FPN.yaml"
MODEL:
KEYPOINT_ON: True
MASK_ON: False
ROI_KEYPOINT_HEAD:
NUM_KEYPOINTS: 2
WEIGHTS: "/home/ying/usb/key_points/detectron2/demo/models/model_final_f10217.pkl"
RESNETS:
DEPTH: 50
ROI_HEADS:
SCORE_THRESH_TEST: 0.5
SOLVER:
STEPS: (160000, 200000)
MAX_ITER: 220000
IMS_PER_BATCH: 4
BASE_LR: 0.0025
配置文件只需要修改COCO-Keypoints下的keypoint_rcnn_R_50_FPN_3x.yaml, 不需要修改detectron2/config/defaults.py
2.2 註釋mask的代碼
在detectron2/data/datasets/coco.py的378-381的代碼註釋掉
2.3 代碼修改
代碼修改了很多細節. 主要修改了detectron2/checkpoint, detectron2/data/datasets, detectron2/evaluation.
細節很多, 就不一一列舉代碼了, 可以自行下載研究.
https://download.csdn.net/download/weixin_43056275/12573530
3. 訓練
運行tools中的代碼
python train_net.py --config-file ../configs/COCO-Keypoints/keypoint_rcnn_R_50_FPN_3x.yaml
生成的模型和log會放在tools/output中
4. 預測
預測代碼自行下載
https://download.csdn.net/download/weixin_43056275/12573545
結果:
參考:
https://github.com/facebookresearch/detectron2/blob/master/INSTALL.md
https://www.cnblogs.com/jiajiewu/p/12822267.html
https://blog.csdn.net/linghu8812/article/details/105701408
https://www.aiuai.cn/aifarm1288.html