Fork from https://github.com/open-mmlab/mmdetection
参考 https://github.com/open-mmlab/mmdetection/blob/master/docs/INSTALL.md
pip install -r requirements/build.txt
pip install "git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI"
pip install -v -e . # or "python setup.py develop"目的是转换成COCO格式的数据，方式有两：
- 下载: 百度云链接 密码: oqqf
- 自己生成(请合理配置文件中的路径):
# 文件中的路径请根据实际情况配置
# 训练集与测试集的划分
python tools/pascal2coco.py
# a-test/b-test转换成COCO json
python tools/generate_test_annotation.py- 最后的目录树
data
| - image # 前视, 侧扫, 负样本, 所有的训练集图像均放于此
| - annotation # 上一步下载或者生成的json
| - box # 前视, 侧扫的xml标注放于此
| - a-test-img # 所有的a-test图像放于此
| - b-test-img # 所有的b-test图像放于此放于pretrain_model/下
./train_sonar.sh # 目录位置及配置可在里面更改./test_sonar.sh # 目录位置及配置可在里面更改
# 转换成csv
python ./tools/turn_pkl_to_csv.py work_dirs/cascade_rcnn_dconv_c3-c5_r101_uncertain_MS_dufpn_1x/bbox_predict.pkl --json_path data/annotation/a-test.json
# 可视化, 目录位置可在里面更改
python tools/vis_det.py | - | Leaderboard A | Leaderboard B |
|---|---|---|
| mAP | 0.298 | 0.207 |