【Detectron2】入门02-使用自己的数据集

Detectron2 official Documents: https://detectron2.readthedocs.io/tutorials/datasets.html

目录

COCO格式数据集

Standard dataset dict

Datasets的Metadata

COCO格式数据集

ref: COCO - Common Objects in Contexthttps://cocodataset.org/#format-data

有两种方法，第一种是Detectron2官方提供的组织数据集格式：Standard Dataset Dict；第二种是将数据集转换为COCO format，然后用register_coco_instances()函数注册数据集。

from detectron2.data.datasets import register_coco_instances

register_coco_instances(dataset_name, {}, json_file, image_root)

在COCO格式下，所有图片需放在一个文件夹下，另有一个单独的json文件。这个json文件包含了所有的annotations, metadata, categories。如果想要对数据集做划分，那么就建立多个文件夹，并用不同的json文件。 具体来说：

• the coco dataset's json is a dict, and its keys is categories, images, annotations;
• the categories is a list, and each item is a dict which keys are supercategory,id,name;
• the images is a list, and each item is a dict which keys are file_name,height,width,id,depth;
• the annotations is a list, and each item is a dict which keys are category_id,segmentation,area,id,iscrowd

Standard dataset dict

dataset APIs: DatasetCatalog, MetadataCatalog

建立自己的数据集，包含两步：

1. 登记数据集，告诉detectron2如何获得数据集；
2. 为数据集登录Metadata

建立函数，范数返回如下格式的数据：

1. Detectron2的Standard dataset dict
2. 增加额外的key，方便在之后的downstream的任务中处理他们

对于标准任务：instance detection, instance/semantic/panoptic segmentation, keypoint detection。我们把原始数据载入到list[dict]中，类似于COCO的annotations。每一个字典包含一张照片的信息，字典应该有以下部分：

• file_name：到这张图片的完整路径，如果图片有EXIF metadata，可能会在图片上做随机旋转或反转
• height, width：整型，图片的形状
• image_id：整型/字符，unique id
• annotations：list[dict]，每一个dict对应图片中一个instance，如果annotations是空表，则代表该图片没有目标，会在训练中被去除，具体每个dict包含：

bbox list[float]：代表bbox的四个数

bbox_mode：整型，bbox的格式，必须是structures.BoxMode的成员，目前支持BoxMode.XYXY_ABS和BoxMode.XYWH_ABS

category_id：整型，属于[0, num_categories - 1]

• 对于Fast R-CNN (with precomputed proposals)，还有一些额外的keys需要：

proposal_bboxes (array) 2维numpy array，形状是(K, 4)，代表K个precomputed proposal boxes

proposal_objectness_logits numpy array，形状是(K, )和proposal在proposal_boxes的objectness logits相关

proposal_bbox_mode 类似于bbox_mode

Datasets的Metadata

通过MetadataCatalog.get(dataset_name).some_metadata获取，Metadata是一个键值对，包含了整个数据的一些信息，例如，类别的名字，类别的颜色，文件的根目录。这对于augmentation，evaluation，visualization，Logging等有用。

通过MetadataCatalog.get(dataset_name).some_key = some_value来填充

• thing_classes: list[str]
• thing_colors: list[tuple(r, g, b)] r,g,b in [0,255]，如果不给，则随机产生

另外还需更新新数据集的config：

cfg.Datasets.TRAIN或cfg.Datasets.TEST

MODEL.ROI_HEADS.NUM_CLASSES和MODEL.RETINANET.NUM_CLASSES是R-CNN和RetinaNet的类