refinedet pytorch訓練自己的資料

方便起見便按照voc資料格式修改，並修改**中關於voc資料使用的地方。

1、將自己的資料製作成voc格式，可參考：

2、/data/config.py

2.1 修改home=『自己的資料集路徑』

2.2 修改voc資料訓練（為了方便檢視改動，用紅色字型標註）

voc = ,

'512':

}3 /data/voc0712.py

3.1 

修改類別 line:20

voc_classes = (
自己的類別（無background）
)

3.3 

修改         

for line in open(osp.join(root, 'imagesets', 'main', image_sets + '.txt')):

修改#voc_root = osp.join(home, "datasets/vocdevkit/")

voc_root = home

/models/refinedet.py

self.cfg = (coco_refinedet, voc_refinedet)[num_classes == 自己的類別數+1]
def build_refinedet(phase, size=320, num_classes=自己的類別數+1):

ScaledYOLOv4模型訓練自己的資料

權重 提取碼 drpa 以下是 我自己的全部 僅供參考。第二步 環境配置 由於模型比較新，github上顯示2020.11.16日，因此建議使用python3.7 pytorch 1.6,更好的建議是建個虛擬環境執行保障不同環境之間隔離實現 執行安全。相關命令如下 conda create n p7...

訓練自己的資料

為了完成畢業設計，還需要繼續學習caffe，並能夠成功地訓練自己的實驗資料，這裡整理caffe整個訓練過程。使用caffe訓練卷積神經網路主要包括以下幾個步驟 1 預處理影象，一般是指將影象轉化為具有同樣大小的畫素 2 根據設計好的網路結構配置相應的網路結構檔案和訓練引數檔案 3 訓練模型並測試結果...

caffe訓練自己的資料

本文介紹如何使用 caffe 對自己的影象資料進行分類。1 資料庫準備 由於資料收集比較費時，為了簡單說明，我用了兩類，dog和 bird 每種約 300張。train200 張，val100張。新建乙個資料夾 mine 放自己的資料，在 mine 資料夾下新建 train 和val 資料夾，tra...