最好的情況是按照mmdetection的文件介紹，一步一步走。pytorch1.5沒有配置成功。pytorch1.3基本可以很順利的配置好，但是要注意的是cuda的版本問題。
用labelimg或其他工具標註好的voc資料集，按照mmdetection中文件的介紹的格式放好就行。
以上兩個步驟不是最主要的。
選取好自己想用的head模型，比如faster rcnn或者retinanet。因為mmdetection經歷了一次大的更新，很多地方都有了變動。
1.關於檔案路徑 和class類別數量的問題，都去configs/__base __/資料夾下去設定。
datasets/voc0712.py設定路徑
models/.py設定類別數量（注意：以前的版本都是類別數+1，新版只需要類別數就行，比如訓練1類就是num_class=1不然回報list out of range錯誤）
schedule/.py設定epochs
2.設定好之後去mmdet/datasets/voc.py去設定類別名，如果是1類的話一定要加個逗號(『smoke』,)
3.去mmdet/core/evaluation/class_name.py設定類別名，可以不用加逗號
4.學習率去configs/特定head.py下去設定 同事configs的base下的schedule也要更改
這些都設定好之後就可以開始訓練了用官方給的執行命令即可。
mmdetection 訓練資料
修改數目類別 下面展示一些內聯 片。model dict roi head dict bbox head dict num classes 1 修改檢測類別名稱 修改檢測類別 注意 當目標類別為一類時需要檢測類別為列表形式不是元組將檢測檔案複製到虛擬環境中。若上述檔案發生變換需要重新執行，重新編譯。...
mmdetection訓練自己資料集的配置詳情記錄
檢測attention 原始碼注釋發布於我的github 近期更新到最新版 後面有些語法在csdn的markdown上不支援，導致顯示bug，我就懶得改了，有需求直接訪問原部落格檢視。for version 0.6.0 訓練需要改動的配置為 以一張的車分割為例。檔案結構 如圖 其中car.json是...
用mmdetection訓練自己的資料集
接觸目標檢測也有半年時間了，看了一些，但是都是看得馬馬虎虎，這次先用mmdetection跑一下faster rcnn，後面徹底熟悉了，再分析它的執行過程。可能有人說先打牢基礎，看這看那，我認為還是得及時地和實際結合，如果有不對指出，請批評指正。mmdetection是商湯提出來的乙個框架吧，如果只...