文件配置训练的过程可以看
【mmdetection】使用cascade-rcnn、faster-rcnn训练自定义的coco数据集_小鸠控的博客-CSDN博客_faster rcnn训练coco数据集开始这篇文章主要是记录我第一次使用mmdetection工具包里面的cascade-rcnn训练自己模型的经过训练环境本次是使用的系统是linux的ubuntu20.04cuda=10.2cudnn=7.6.5anaconda=3（用于创建虚拟环境，后续的训练、测试模型也在这个虚拟环境中）(以上软件安装可以参考其他博客)pytroch=1.5.0torchvision=0.6.0cudatoolkit=10.2.89mmcv-full=1.3.1mmdetection=v2.11https://blog.csdn.net/qq_41627396/article/details/116453031
AssertionError: The `num_classes` (3) in Shared2FCBBoxHead of MMDataParallel does not matches the length of `CLASSES` 80) in CocoDataset
解决方案 ：
_base_ = [
'./faster_rcnn_r50_fpn_1x_coco.py'
]print(_base_)model = dict(
roi_head=dict(
bbox_head = dict(num_classes=4)
)
)dataset_type = 'COCODataset'
classes = ('',' id','','') #你自己数据集的类别#你自己数据集的位置
data = https://www.it610.com/article/dict(
train = dict(
img_prefix ='../../dataset/train/',
classes = classes,
ann_file= '../../dataset/train/_annotations.coco.json'),
val = dict(
img_prefix = '../../dataset/val/',
classes = classes,
ann_file= '../../dataset/val/_annotations.coco.json'),
)
开始训练
python tools/train.py custom_faster_rcnn/faster_rcnn.py --work-dir custom_faster_rcnn/work_dirs/faster_rcnn然后运行一下中断
打开work_dirs文件
文章图片
【计算机视觉|Faster rcnn 训练自己的数据集 解决方案】进行调参
推荐阅读
- 人工智能|详解预训练模型、信息抽取、文本生成、知识图谱、对话系统技术
- 人工智能|关于NLP相关技术全部在这里（预训练模型、信息抽取、文本生成、知识图谱、对话系统...）
- 算法|【前沿】陈丹琦团队最新论文（受GPT-3启发，用小样本学习给语言模型做微调，性能最高提升30%...）
- 大数据|从CVPR 2021看计算机视觉的现状
- 人工智能|厉害了，比Transformer还好用！
- Paper下载|图像融合综述论文整理
- 图像融合|基于深度学习的多曝光图像融合(Multi-exposure Image Fusion)论文及代码整理
- 图像融合|SeAFusion:首个结合高级视觉任务的图像融合框架
- 图像融合|通用图像融合框架论文及代码整理