版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/zw__chen/article/details/87210932
本栏目分为6个部分:
文章目录
0 前言
数据集在detectron框架中部署好之后,数据集相关的工作就已经完成辣~本章节将对训练部分做详细介绍。本项目使用的是retinanet网络。
1 配置yaml文件
在Detectron\configs\12_2017_baselines
目录下,复制文件retinanet_R-50-FPN_1x.yaml
,放到另一个目录(这其实就是①为了备份一下②方便使用)。
如:本人将retinanet_R-50-FPN_1x.yaml
复制到Detectron\configs\my
目录下重命名为retinanet_R-50-FPN_1x1.0.yaml
2 修改yaml文件
对retinanet_R-50-FPN_1x1.0.yaml
进行修改,如下图:
- NUM_CLASSES:类别+1 ==> 3+1=4
- WEIGHTS:可以自己根据给出的网址下载权重然后指定路径;也可以默认不改。
- TRAIN:DATASETS:之前生成的voc_2007_train.json ==>(‘voc_2007_train’,)
- TEST:DATASETS:之前生成的voc_2007_test.json ==>(‘voc_2007_test’,)
3 开始训练
cd
到$Detectron目录下执行命令:
./tools/train.py --cfg configs/my/retinanet_R-50-FPN_1x1.0.yaml OUTPUT_DIR experiments/1.0/
--cfg
:配置文件路径OUTPUT_DIR
:训练的输出路径
接下来就是自行训练过程了~
第五部分到此结束。如有任何问题,欢迎留言交流学习。
关于yaml配置文件的疑问也欢迎留言交流喔~