一 、下载工程源码
项目工程源码
二、环境配置
根据实际需要可能需要执行TORCH_CUDA_ARCH_LIST='11.6' FORCE_CUDA=1 python setup.py build install
1、 下载所需的detectron2 或者使用git clone git@github.com:facebookresearch/detectron2.git获取
2、将detectron2放到Mask2Former根目录下
3、pip install -e .
4、pip install git+https://github.com/cocodataset/panopticapi.git
5、pip install git+https://github.com/mcordts/cityscapesScripts.git
6、然后执行项目自带推荐环境requirements.txt
7、cd mask2former/modeling/pixel_decoder/ops/
8、sh make.sh
三、准备数据集
在项目根目录下创建数据集文件夹，例如
datas|__train|__1.pg|__1.json|__2.jpg|__2.jsom|__3.jpg|__3.json|__val|__1.pg|__1.json
将标注好的数据进行转换
json2coco.py
import labelme2coco# 设置LabelMe注解和图片文件所在的目录
labelme_folder = "datas/train" # 修改为对应路径
# 设置导出文件的目录
export_dir = "datas" # 修改为对应路径# 设置训练集和验证集的切分比例
train_split_rate = 0.95
# 设置类别ID的起始值
category_id_start = 1# 转换LabelMe注解到COCO格式
labelme2coco.convert(labelme_folder,export_dir,train_split_rate=train_split_rate,category_id_start=category_id_start
)
执行完后，会在hh文件夹下生成train_coco_format.json、val_coco_format.json
datas|__train|__1.pg|__1.json|__2.jpg|__2.jsom|__3.jpg|__3.json|__val|__1.pg|__1.json|__train_coco_format.json|__val_coco_format.json
四、注册数据集，添加
register_coco_instances("my_dataset_train", {}, "datas/train_coco_format.json", "")
register_coco_instances("my_dataset_val", {}, "datas/val_coco_format.json", "")
添加后如下
if __name__ == "__main__":args = default_argument_parser().parse_args()print("Command Line Args:", args)register_coco_instances("my_dataset_train", {}, "datas/train_coco_format.json", "")register_coco_instances("my_dataset_val", {}, "datas/val_coco_format.json", "")launch(main,args.num_gpus,num_machines=args.num_machines,machine_rank=args.machine_rank,dist_url=args.dist_url,args=(args,),)
五、更改配置文件
修改configs/coco/instance-segmentatio/Base-COCO-InstanceSegmentation.yaml中修改为注册的数据集名。
DATASETS:TRAIN: ("my_dataset_train",)TEST: ("my_dataset_val",)
修改configs/coco/instance-segmentatio/maskformer2_R50_bs16_50ep.yaml中修改为分类识别个数。
NUM_CLASSES: 2 # 修改为识别类别个数
六、训练
python train_net.py --num-gpus 0 --config-file configs/coco/instance-segmentation/maskformer2_R50_bs16_50ep.yaml
或
python train_net.py --num-gpus 0 --config-file configs/coco/instance-segmentation/maskformer2_R50_bs16_50ep.yaml MODEL.WEIGHTS "weights/model_final_94dc52.pkl"
七、预测
python demo/demo.py --config-file ../configs/coco/instance-segmentation/maskformer2_R50_bs16_50ep.yaml --input "../datas/val/*.jpg" --confidence-threshold 0.3 --output "../output/test_mask/" --opts MODEL.WEIGHTS ../output/model_0024999.pth