使用mmdetection（backbone为HRNet、VOC数据集格式）

• 参考链接
• 安装mmdetection
• VOC数据集准备
• 修改相关文件
• 重新编译
• 开始训练

• MMDetection目标检测工具使用指南及问题总结
• 使用mmdetection训练自己的数据集（VOC格式）

查看另一篇博客：安装mmdetection（Windows环境下）

mmdetection
├── mmdet
├── tools
├── configs
├── data     #手动创建data、VOCdevkit、VOC2007、Annotations、JPEGImages、ImageSets、Main这些文件夹
│   ├── VOCdevkit(数据集名称)
│   │   ├── VOC2007
│   │   │   ├── Annotations         #把valid.txt、train.txt对应的xml文件放在这
│   │   │   ├── JPEGImages          #把valid.txt、train.txt对应的图片放在这
│   │   │   ├── ImageSets
│   │   │   │   ├── Main
│   │   │   │   │   ├── valid.txt 
│   │   │   │   │   ├── train.txt

可查看我的另一篇博客：划分数据集为VOC数据格式

(1) 修改class_names.py文件

修改路径：mmdetection/mmdet/core/evaluation/class_names.py

修改内容：将voc_classes的返回值改为要训练数据集的类别名称。

(2) 修改voc.py文件

修改路径：mmdetection/mmdet/datasets/voc.py

修改内容：将VOCDataset中的CLASSES改为对应训练数据集的类别集合。

(3) 修改配置文件

配置文件路径：mmdetection/configs

我要使用的是faster_rcnn_hrnetv2p_w40_2x_coco.py，经过层层找上去，最终确定了更改faster_rcnn_r50_fpn_1x_coco.py中对应的model等文件的配置。

(3.1) 更改 models/faster_rcnn_r50_fpn.py 中的 num_classes

(3.2) 更改 datasets/coco_detection.py 中dataset_type、data_root、img_scale、ann_file、img_prefix变量。（我还改了：workers_per_gpu=0）

❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀❀

接下来的两步我就没跟着改了，只是粘图在这里

(3.3) schedules中新建schedule_xxx_voc.py设置对应优化器

(3.4) 新建xxx_voc_runtime.py文件设置整体超参

修改完后，训练之前需要重新编译，不然会出现“AssertionError: The num_classes (20) in Shared2FCBBoxHead of MMDataParallel does not matches the length of CLASSES 80) in RepeatDataset"的报错。

编译命令如下：

python setup.py install

python tools/train.py configs/hrnet/faster_rcnn_hrnetv2p_w40_2x_coco.py

还没有成功，呜呜呜，报显存错误了，尝试过改以下两个位置的大小，可惜失败了。

错误：RuntimeError: CUDA out of memory. Tried to allocate 20.00 MiB (GPU 0; 4.00 GiB total capacity; 2.45 GiB already allocated; 0 bytes free; 2.49 GiB reserved in total by PyTorch)

可能有用的链接：

• RuntimeError:CUDA out of memory.Tried to allocate 20.00MiB.
• 目标检测】RuntimeError:CUDA error:out of memory问题解决方案
• 【mmdetection】使用心得
• 【pytorch】mmdetection 做eval / test时弹出OOM（Out of Memory / CUDA out of memory）的解决过程记录