OpenMMLab训练营第7天笔记——MMDetection代码实战

[kakasi1985]

MMDetection介绍

MMDetection 是OpenMMLab的目标检测算法库，将检测框架解成不同的模块组件，通过组合不同的模块组件，用户可以便捷地构建自定义的检测模型。支持多种不同的检测任务，包括目标检测，实例分割，全景分割，以及半监督目标检测。后续会重点支持多模态通用检测方向。基本的框和 mask 操作都实现了 GPU 版本，训练速度比其他代码库更快或者至少持平。 算法库源自COCO 2018 日标检测竞赛冠军团队MMDet 团队开发的代码，OpenMMLab团队在之后持续进行了改进和提升新发布的 RTMDet 还在实时实例分割和旋转目标检测任务中取得了最先进的成果，同时也在目标检测模型中取得了最佳的的参数量和精度平衡。

 数据集准备与可视化

自定义配置文件 

 训练前可视化验证

 使用mmdet 提供的 tools/analysis_tools/browse_dataset.py 脚本来对训练前的 dataloader 输出进行可视化，确保数据部分没有问题。

模型训练

使用 python tools/train.py rtmdet_tiny_1xb12-40e_cat.py 命令训练模型。

模型测试和推理

使用 python tools/test.py rtmdet_tiny_1xb12-40e_cat.py work_dirs/rtmdet_tiny_1xb12-40e_cat/best_coco/bbox_mAP_epoch_30.pth 命令测试模型。

可视化分析

MMDetection 中还没有实现特征图可视化等可视化分析手段，但是能够直接采用 MMYOLO 中提供的功能和脚本。MMYOLO 是基于 MMDetection 开发的框架，并且两者代码组织形式统一，因此 MMDetection 配置可以直接在 MMYOLO 中使用，无需更改配置。

教程文档与数据集

文档-https://mmdetection.readthedocs.io/zh_CN/latest/index.html

数据集1-https://download.openmmlab.com/mmyolo/data/balloon_dataset.zip

数据集2-https://github.com/TommyZihao/Train_Custom_Dataset/tree/main/%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B/%E7%9B%AE%E6%A0%87%E6%A3%80%E6%B5%8B%E6%95%B0%E6%8D%AE%E9%9B%86