- 制作自己的数据集,VOC格式为例。
这三个文件包括数据集的名称。可以使用labelme脚本自动生成。
- 跟据预测类别修改配置文件
D:\projects\mmsegmentation-main\mmseg\datasets\voc.py
因为是voc格式的数据集,在这个文件里进行配置,修改成自己数据集的类别
- 加载预训练模型开始训练
D:\projects\mmsegmentation-main\configs\upernet\upernet_r18_4xb4-20k_voc12aug-512x512.py
选择一个适合自己数据集的模型
D:\projects\mmsegmentation-main\tools\train.py
在train.py文件中进行训练,执行结束后在tools/work_dir文件中找到刚才训练的结果,找到刚刚生成的py文件 复制到config中
在该文件中进行修改:
num_classes(不要忘记还有个背景类别)
data = dict{ }中修改data_root
修改 train val test
如果使用公开数据集,就按照官方文档的格式整理
预训练的模型在官网下载一下:对实验结果影响挺大
https://mmsegmentation.readthedocs.io/zh-cn/latest/model_zoo.html