mmdetection训练voc格式的自己的数据集

使用mmdetection训练自己的VOC数据集

首先，是按照官方文档组织VOC的数据集结构；

1.目录结构

mmdetection
├── mmdet
├── tools
├── configs
├── data #手动创建data、VOCdevkit、VOC2007、Annotations、JPEGImages、ImageSets、Main这些文件夹
│   ├── VOCdevkit
│   │   ├── VOC2007
│   │   │   ├── Annotations #把test.txt、trainval.txt对应的xml文件放在这
│   │   │   ├── JPEGImages #把test.txt、trainval.txt对应的图片放在这
│   │   │   ├── ImageSets
│   │   │   │   ├── Main
│   │   │   │   │   ├── test.txt 
│   │   │   │   │   ├── trainval.txt

2.修改类别

修改mmdetection/mmdet/core/evaluation下的class_names.py中的voc_classes，将其改为要训练的数据集的类别名称。如果不改的话，最后测试的结果的名称还会是’aeroplane’, ‘bicycle’, ‘bird’, ‘boat’,…这些。修改的位置如图：

3.修改voc.py文件

修改mmdetection/mmdet/datasets/voc.py 下的类别，如果只有一个类，要加上一个逗号，否则将会报错，修改位置如图：

4.修改配置文件

这些类似faster_rcnn_r50_fpn_1x_voc.py的文件，也就是你要训练的网络，不过mmdetecion已经把模型搭好，直接调用就好。默认情况下，这些配置文件的使用的是coco格式，只有mmdetection/pascal_voc文件夹下的模型是使用voc格式，不过数量很少，只有三个。当前最新版本的配置文件在mmdetection/configs的目录如下：

除了my_configs这个文件是我自己新建的，其他的都是官方给的，打开pascal_voc文件夹，发现voc格式的配置文件仅仅只有几个；

是的，你没看错，官方给的voc格式的配置文件就这么几个，其他文件夹下打开一看，配置文件基本都是基于coco格式的；

打开faster_rcnn_r50_fpn_1x_voc.py和faster_rcnn_r50_fpn_1x_coco.py文件，做个对比，看看具体有什么不一样的地方，方便后面用模型的coco格式文件改成voc格式的，对比图如下：

说实话，最开始打开这两个文件的我也是一脸懵的，后来揣测没写的部分，应该是按照默认设置了，这里有个较粗暴的方法，数据可以先不准备，直接将相关环境准备好后，运行训练的命令：python tools/train.py configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py --work-dir work_dirs

运行完命令后，会生成一个包含所有配置信息的配置文件在mmdetection/work_dirs文件夹下面，名称与你训练的命令指定的配置文件名称一样。

这里我生成了两个具有完整配置信息的配置文件，分别是faster_rcnn_r50_fpn_1x_voc.py和faster_rcnn_r50_fpn_1x_coco.py文件（这两个文件我也放到后面，有兴趣的可以自己下载看看），为了方便将coco的配置文件改为用voc格式的数据取训练，我仔细对比了两个文件的不同之处，其实主要是数据那块的配置信息不太一样，主要对比如下: