目标检测工具包 MMDetection

MMDetection 可以做什么

➢ MMDetection 提供 400 余个性能优良的预训练模型，开箱即
用，几行 Python API 即可调用强大的检测能力

➢ MMDetection 涵盖 60 余个目标检测算法，并提供方便易用的
工具，经过简单的配置文件改写和调参就可以训练自己的目标检
测模型

MMDetection 环境搭建

OpenMMLab 项目中的重要概念——配置文件

➢ 深度学习模型的训练涉及几个方面：
− 模型结构模型有几层、每层多少通道数等等
− 数据集用什么数据训练模型：数据集划分、数据文件路径、数据增强策略等等
− 训练策略梯度下降算法、学习率参数、batch_size、训练总轮次、学习率变化策略等等
− 运行时GPU、分布式环境配置等等
− 一些辅助功能 如打印日志、定时保存checkpoint等等

➢ 在 OpenMMLab 项目中，所有这些项目都涵盖在一个配置文件中，一个配置文件定义了一个完整的训练
过程
− model 字段定义模型
− data 字段定义数据
− optimizer、lr_config 等字段定义训练策略
− load_from 字段定义与训练模型的参数文件

MMDetection 代码库结构

两阶段检测器的构成

单阶段检测器的构成

RetinaNet 模型配置 – 主干网络

RetinaNet 模型配置 – 颈部

RetinaNet 模型配置 – bbox head 1

RetinaNet 模型配置 – bbox head 2

COCO 数据集介绍

COCO 数据集格式

COCO 数据集的标注格式

标注、类别、图像 id 的对应关系

在 MMDetection 中配置 COCO 数据集

MMDetection 中的自定义数据集格式

在 MMDetection 中配置自定义数据集

数据处理流水线

MMDetection 中的常用训练策略

训练自己的检测模型