配置文件(config)

• 由于在大型項目中，一種模型需要分：tiny、small、big等很多種，而它們的區別主要在網絡結構，數據的加載，訓練策略等，且差別很多都很小，所以如果每個模型都手動從頭寫一份，很麻煩，為了方便，現在都是直接采用配置文件的形式來定義
• 如yaml文件、py文件等
  
  

MMdetection的配置文件構成

• 在MMdection的配置文件中，我們根據字段來定義模型訓練的各部分
  
• 配置文件的運作方式
  

使用MMdection來訓練自己的檢測模型

• coco數據集的組織形式
  

• coco數據集的標注格式

• 所有標注信息存儲在一個JSON對象中，包含以下信息：images–所有原始圖像信息、annotations–所有標注信息、categories–全部物體類別信息
  
  
  

• 其中：name表示當前的物體類別，supercategories表示當前物體的超類，如car的超類為vehicle

• 我們將自己的數據集按照以上的格式整理好后，還需要更改模型的配置文件（有些模型是繼承coco_instance.py，需要仔細查找），如下：
  

• 重點是需要修改：數據集的路徑、batch_size、進程數

• 在將原始圖像輸入進模型之前，我們可能還需要對圖像進行：隨機裁剪與縮放、水平翻轉、像素值歸一化、轉換為PyTorch Tensor等操作，這些操作我們統一放在數據處理流水線，即pipeline中。對于微調訓練，通常情況是不需要進行更改的

• 下圖為分類的pipeline：
  

• 由于檢測有框，所以多了一個annotations，對于框也需要進行跟原始圖片一樣的操作，下圖是檢測的：