mmdetection的VOC数据集训练、测试、保存（测试图片）

mmdetection训练、测试总结

1)数据集格式：voc数据集；
在/mmdetection/data/VOCdekit 上传数据，改名为VOC2007，其中包含JPEGImages/Annotations/ImageSets等；

2)代码修改：
①mmdet/dataset/voc.py，把里面的类别改成你自己数据集的类别。
②mmdet/core/evaluation/class_name.py，把里面的voc_classes()改成你自己数据集的类别。
③修改config文件
pretrained是预训练模型的绝对路径,例如：pretrained=’/home/haohao/zmp/mmdetection/mmdet/models/resnet101-5d3b4d8f.pth’,

#data settings
num_classes=179, #修改为自己数据集的类别数+1、
dataset_type = ‘VOCDataset’
data_root = ‘data/VOCdevkit/’
ann_file=data_root + ‘VOC2007/ImageSets/Main/train.txt’,
img_prefix=data_root + ‘VOC2007/’, ###多个train/trainval/test/路径需修改

训练：python tools/train.py configs/retinanet_r101_fpn_1x.py --gpus 1
报错：AttributeError: ‘NoneType’ object has no attribute ‘text’
原因：xml不含有difficult
解决：把mmdet/dataset里面的xml_style中的difficult语句删掉

测试：python tools/test.py configs/retinanet_r101_fpn_1x.py work_dirs/retinanet_r101_fpn_1x/latest.pth --out ./test_result/retinanet_r101_fpn_1x/latest.pkl --eval mAP （显示result）
python tools/test.py configs/retinanet_r101_fpn_1x.py work_dirs/retinanet_r101_fpn_1x/latest.pth --out ./test_result/retinanet_r101_fpn_1x/latest.pkl --show （保存测试后的图片）

原测试是仅展示测试结果，其中包含 | class | gts | dets | tp | fp | recall | precisions | ap（fp、tp、precisions为后来添加代码展示出来）,为了保存测试图片，后又修改mmdet/apis中的test.py，
###zmp add(savepeth需绝对路径，否则无法保存)
savepath = “/home/haohao/zmp/mmdetection/test_result/test_pic/” + str(i)+’.jpg’
# if show:
model.module.show_result(data, result, score_thr=0.3, out_file = savepath)
后又在mmdet/models/detectors/下的base.py文件中的def show_result
添加show 和 out_file。
def show_result(self, data, result, dataset=None, score_thr=0.3, show=True, out_file=None):
if out_file is not None:
show = False
#print(out_file)
mmcv.imshow_det_bboxes(
img_show,
bboxes,
labels,
class_names=class_names,
score_thr=score_thr,
show=show,
out_file=out_file)

config文件里设置框的阈值和nms的大小，我针对我自己的数据集设置框的阈值为0.45，nms为0.3
test_cfg = dict(
nms_pre=1000,
min_bbox_size=0,
score_thr=0.45, ###框的阈值
nms=dict(type=‘nms’, iou_thr=0.3), ###nms
max_per_img=100)