Transfer training on Faster R-CNN using custom data の履歴(No.1)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• Transfer training on Faster R-CNN using custom data へ行く。
  • 1 (2023-06-11 (日) 16:59:05)

以下の手順に従って、カスタムデータを使用してDetectron2上でFaster R-CNNの転移学習を行います：

1. Detectron2が読み取れる形式、たとえばCOCO JSONやPascal VOC XMLなどの形式でカスタムデータを準備します。データ変換やデータ拡張を行うためにRoboflowのようなツールを使用できます。 2. PyTorch、torchvision、pycocotoolsなど、Detectron2の依存関係をインストールします。このColabノートブックをテンプレートとして使用できます。 3. カスタムデータをダウンロードし、DatasetCatalogとMetadataCatalogクラスを使用してDetectron2に登録します。また、Visualizerクラスを使用してデータを視覚化することもできます。 4. get_cfg関数とFaster R-CNNの設定ファイルを使用して、Detectron2のトレーニング設定を作成します。クラス数、データセット名、事前学習済みのモデルの重み、学習率スケジュール、バッチサイズなどを指定する必要があります。 5. Trainerクラスとtrain関数を使用してDetectron2のトレーニングを実行します。TensorBoardを使用してトレーニングの進行状況を監視できます。 6. COCOEvaluatorクラスとinference_on_dataset関数を使用してDetectron2のパフォーマンスを評価します。また、Predictorクラスとpredict関数を使用してテスト画像に対するDetectron2の推論を実行することもできます。

転移学習-cityscapes, cityscapesscripts, Mask R-CNN, Detectron2