国外优秀vi设计网站,海口seo推广公司,做自媒体的素材网站,辽宁省精神文明建设工作三大创建活动网站制作自己的数据集#xff0c;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#xff0c;在这个文件里进行配置#xff0c;修改成自己数…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
