完整记录在mmrotate训练和测试自制数据集!保姆级教程!

安装教程看我主页的另一个博客Microsoft Planetary Computer(MFC):完整记录跑通mmrotate的demo！_我要当太空人！爸爸妈妈可高兴了的博客-CSDN博客！这里默认你已经把所有的包都装好了，demo也能跑通了！

1.引入需要的包。

from mmdet.apis import init_detector, inference_detector, show_result_pyplot
import mmrotate

2.把数据集放在该放的地方。

如果大家是用juputer，那么需要传zip。可以这样解压。

# 解压
import zipfile
import os
"""
src_path:压缩包所在文件路径
target_path:压缩后文件存放路径
"""
src_path="/home/jovyan/mmrotate/data/DOTA2.zip"
target_path="/home/jovyan/mmrotate/data/DOTA2"
if(not os.path.isdir(target_path)):
    z = zipfile.ZipFile(src_path, 'r')
    z.extractall(path=target_path)
    z.close()

## 下面开始用split! 先trainval再test!

我传的文件叫做DOTA2.zip，之后改个名哈。

为了图方便，我就把自己的数据集命名成了DOTA，这样就不用改json文件了。建议大家都这么改。无论是test还是train还是val，反正都是这样的一个样子，照官网的说法来放：

mmrotate
├── mmrotate
├── tools
├── configs
├── data
│ ├── DOTA
│ │ ├── train
│ │ ├── val
│ │ ├── test

到这一步，你的原始的数据集就放好了！

3.数据集裁剪

语法请参考我这一篇博客：mmrotate:数据集裁剪_我要当太空人！爸爸妈妈可高兴了的博客-CSDN博客

因为我是用云服务器的，死活修改不了json文件，所以我需要加上-ann-dirs data/DOTA/test/labelTxt/。但是大家不用哈！大家可以直接在json文件里面改！

大家注意！原本的ms_test.json是没有标签的路径的！要自己去填或者改！

所以官方的这个代码不是特别准确！它没有告诉我们要改json！

把代码贴过来

python tools/data/dota/split/img_split.py --base-json \
tools/data/dota/split/split_configs/ms_trainval.json

python tools/data/dota/split/img_split.py --base-json \
tools/data/dota/split/split_configs/ms_test.json

它会把裁剪好的数据放在mmrotate/data/split_ms_dota。

4.下载模型和权重

这样下载：我这里下载的是rotated_retinanet。大家可以在这里找到所有的config。

!mim download mmrotate --config rotated_retinanet_obb_r50_fpn_1x_dota_le90 --dest .

一般来说，去掉py就是模型的名字。但有时候没有，但它也会列出所有的模型的名字，自己看一下报错的详细内容应该可以搞定的。

5. 修改配置文件

这一步坑巨多了。

首先，在你放模型的路径底下，新建一个config文件。我新建的叫做my_config.py。请详细阅读官方的配置文件的讲解文档！认认真真看！教程 1：学习配置文件 — mmrotate 文档看完之后再修改自己的配置文件！

# 新配置继承了基础配置用于突出显示必要的修改
_base_ = './oriented_rcnn_r50_fpn_1x_dota_le90.py' # 修改这里的模型名称！
data_root = 'data/split_ms_dota/' # 修改这里的路径！
# 1. 数据集的设置
classes = ('ship',) # 修改这里的类别名称！
data = dict(
    samples_per_gpu=2,
    workers_per_gpu=2,
    train=dict(
        #注意将你的类名添加到字段 `classes`
        classes=classes,
        ann_file='data/split_ms_dota/trainval/annfiles/', #修改路径*6！
        img_prefix='data/split_ms_dota/trainval/images/'),
    val=dict(
        #注意将你的类名添加到字段 `classes`
        classes=classes,
        ann_file='data/split_ms_dota/trainval/annfiles/',
        img_prefix='data/split_ms_dota/trainval/images/'),
    test=dict(
        #注意将你的类名添加到字段 `classes`
        classes=classes,
        ann_file='data/split_ms_dota/test/annfiles',
        img_prefix='/data/split_ms_dota/test/images'))

# # 2. 模型设置
model = dict(
    roi_head=dict(
        bbox_head=dict(
        # 显式将所有 `num_classes` 字段从 15 重写为 1。
            num_classes=1))) # 修改这里！

# 我们可以使用预训练的权重来获取更好的性能
load_from = 'oriented_rcnn_r50_fpn_1x_dota_le90-6d2b2ce0.pth' #修改这里！

还需要修改dotav1.py的第二行！

还有修改dota.py的classes！

然后运行train.py！

!python tools/train.py my_config.py

下面官方给的代码对我来说不好使！建议用我上面那个代码。

!mim train mmdet oriented_rcnn_r50_fpn_1x_dota_le90.py # 这个不好用！

然后就可以快乐炼丹啦！

完整记录在mmrotate训练和测试自制数据集!保姆级教程!

猜你喜欢