Detectron: Cómo entrenar el conjunto de datos personalizado.

Creado en 25 ene. 2018  ·  5Comentarios  ·  Fuente: facebookresearch/Detectron

¡Hola! Primero, gracias por sus maravillosos trabajos.
Termino de entrenar RetinaNet con el conjunto de datos COCO como me indicó.
Quiero entrenar mi propio conjunto de datos con RetinaNet u otros modelos de referencia.

Miro la estructura del código interno y descubro que todas las configuraciones del modelo están definidas en el archivo * .yaml y train_net.py lee el archivo * .yaml y construyo la base de datos a partir del archivo .jason en el directorio de anotaciones COCO.

Entonces, si quiero entrenar mi propio conjunto de datos, ¿la única forma es generar el archivo .json similar a las anotaciones COCO?

question

Comentario más útil

@ nonstop1962 : sí, la forma recomendada es convertir su conjunto de datos al formato de anotación COCO json. Para los cuadros delimitadores, esto generalmente se puede hacer en <100 líneas de Pythons. Por supuesto, podría realizar modificaciones arbitrarias en el código de Detectron para admitir formatos personalizados, pero eso probablemente sea más difícil y más propenso a problemas con casos de esquina omitidos.

Todos 5 comentarios

@ nonstop1962 : sí, la forma recomendada es convertir su conjunto de datos al formato de anotación COCO json. Para los cuadros delimitadores, esto generalmente se puede hacer en <100 líneas de Pythons. Por supuesto, podría realizar modificaciones arbitrarias en el código de Detectron para admitir formatos personalizados, pero eso probablemente sea más difícil y más propenso a problemas con casos de esquina omitidos.

¡Gracias por su respuesta!

¡Gracias por @rbgirshick !

Bien, ¿puedo obtener un conjunto de datos de entrenamiento si quiero segmentar la camiseta?
por ejemplo, JSON get para usos de COCO API.

Creo que esta plataforma puede segmentar.
¿¿OK??

¡Gracias ~!

Hola,
para aquellos que lo necesitan, aquí hay un script para convertir anotaciones xml pascal voc al formato coco json: https://github.com/gamcoh/Object-Detection-Tools/blob/master/pascal_voc_xml2coco_json.py

Gracias, gamcoh

¿Fue útil esta página
0 / 5 - 0 calificaciones

Temas relacionados

Hwang-dae-won picture Hwang-dae-won  ·  3Comentarios

elfpattern picture elfpattern  ·  3Comentarios

coldgemini picture coldgemini  ·  3Comentarios

baristahell picture baristahell  ·  3Comentarios

lilichu picture lilichu  ·  3Comentarios