[人工智能]使用mmdetection训练自己voc格式的数据集

下面的例子是使用ssd300训练自己的数据集（voc格式）

一、configs/base/datasets/voc0712.py

• 修改data_root为自己数据集的root
• 所有的img_prefix， 都修改为data_root，不需要加’2007’或者’2012’，这里不修改也可以，需要把自己的数据放到一个叫2007或者2012的文件夹中。修改之后，就可以随意的放置自己的数据集了。
• mmdet/datasets/xml_style.py 中，使用self.img_prefix来找到xml正确的路径，进而解析xml。

二、configs/pascal_voc/ssd300_voc0712.py

• 第7行 ： 修改num_classes成自己的类别数，如果是一个类别，需要写成CLASSES = (person,)，否则会出现 “AssertionError: CLASSES in RepeatDatasetshould be a tuple of str.Add comma if number of classes is 1 as CLASSES = (person,)” 的错误。
• 第49行：修改samples_per_gpu，就是设置batch_size
• 第56行：修改optmizer的学习率大小，以及学习率策略

三、mmdet/datasets/voc.py 中 ：

• CLASSES 改为自己的类别

• 由于在第一步中，我们舍弃了2007或者2012，因此这里的代码需要修改一下，25、26行的 代码直接不要，这样会把数据集img_prefix限制在2007或者2008

else:
raise ValueError('Cannot infer dataset year from img_prefix')

3、计算mAP的时候直接使用’voc07’

66到69的代码
 if self.year == 2007:
    ds_name = 'voc07'
 else:
    ds_name = self.CLASSES

直接改为：
ds_name = 'voc07'

四、mmdet/core/evaluation/class_names.py

voc_classes() 改为自己的类别名字