2023年11月29日发(作者：)
CenterNet训练⾃⼰的数据集
重点！
⾸先说⼀下具体的代码能运⾏成功所需要的条件：
cuda9.0
与cuda9.0相匹配的cudnn
pytorch0.4.0版本
然后就是⾃⼰遇到的⼀系列问题了：
1. 安装cocoapi
⾃⼰去下载⼀个cocoapi，github上有很多：
下载完，放在CenterNet⽬录下就可以了，然后进⼊到⽬录./cocoapi/PythonAPI 运⾏
make
然后在运⾏：
python install --user
2. 安装需要⽤到的依赖库：
来到CenterNet的⽬录下，打开终端执⾏下载需要⽤到的依赖库。
pip install -r
3. 编译 Compile deformable convolutional (from DCNv2).
进⼊到指定路径下，运⾏⽂件即可。
CenterNet_ROOT/src/lib/models/networks/DCNv2
4. 编译⼀下NMS，来到external⽂件下，打开终端，环境切换到CenterNet下，编译⼀下，
make
5. 下载预训练的模型放置到models⽂件夹下，这⾥下载的是⽬标检测，选了⼀个最⾼分的。在，我下载了第⼀个model。下载完了，放
在models下。
6. 然后开始可以测试demo，来到src⽂件下，打开终端，输⼊：
python ctdet --demo /home/dlut/⽹络/CenterNet-master/images/ --load_model /home/dlut/⽹络/CenterNet-
master/models/ctdet_coco_dla_
注意这个路径要改成⾃⼰的绝对路径。就可以看到测试的结果了。
我在运⾏的时候遇到了问题：RuntimeError: cuda runtime error (11) : invalid argument at
/pytorch/aten/src/THC/:663
解决办法是：在中加了：
import torch
mean = np.array([1.816706, 1.856168, 1.751525],
dtype=np.float32).reshape(1, 1, 3)
std = np.array([2.632229, 2.685731, 2.541777],
dtype=np.float32).reshape(1, 1, 3)
（5）修改数据和图⽚路径，data_dir 输⼊的是咱们之前建⽴的数据集⽂件夹的名字，img_dir 输⼊的是 images 图⽚⽂件夹。
def __init__(self, opt, split):
super(InsulatorBolt, self).__init__()
self.data_dir = os.path.join(opt.data_dir, 'insulator_bolt')
self.img_dir = os.path.join(self.data_dir, 'images')
（6）修改json⽂件路径如下：
if split == 'val': ##################################valtest
或者
self.annot_path = os.path.join(
self.data_dir, 'annotations',
'').format(split) ##################################valtest
或者
#
⾃⼰加的
elif split == 'test':
self.annot_path = os.path.join(
self.data_dir, 'annotations',
'').format(split) # testjson
修改的⽂件位置
else:
if opt.task == 'exdet':
self.annot_path = os.path.join(
self.data_dir, 'annotations',
'').format(split)
else:
self.annot_path = os.path.join(
self.data_dir, 'annotations',
'').format(split)
（7）类别名字和类别id改成⾃⼰，
self.class_name = [
'__background__', 'normal', 'defect', 'norbolt', 'debolt']
self._valid_ids = [
0,1, 2, 3, 4]
我就改了以上七点内容。
4. 将数据集加⼊src/lib/datasets/dataset_factory⾥⾯
在dataset_facto字典⾥加⼊⾃⼰的数据集名字 （格式为 '你之前创建的，因为要从你创建的
Python⽂件的名字'：你⾃⼰数据集类的名字
py⽂件⾥找到你的数据类，名字必须对应上）
（1）先导包，否则会报错：导包：
from .torBolt import InsulatorBolt #⾃⼰添加的
（2）在dataset_facto字典⾥加⼊⾃⼰的数据集名字
dataset_factory = {
'coco': COCO,
'pascal': PascalVOC,
'kitti': KITTI,
'coco_hp': COCOHP,
'insulatorBolt':InsulatorBolt #
⾃⼰添加的
}
5. 修改/src/lib/
（1）将⾃⼰的数据集设为默认数据集，加⼊到help⾥⾯,15⾏左右
self.parser.add_argument('--dataset', default='insulatorBolt', ###################################
修改
help='coco | kitti | coco_hp | pascal | insulatorBolt')
（2）修改ctdet任务使⽤的默认数据集为新添加的数据集，如下（修改分辨率，类别数，均值，⽅差，数据集名字）：336⾏左右
def init(self, args=''):
default_dataset_info = {
'ctdet': {'default_resolution': [512, 512], 'num_classes': 4,
'mean': [1.816706, 1.856168, 1.751525], 'std': [2.632229, 2.685731, 2.541777],
'dataset': 'insulatorBolt'}, ############################################
修改
6. 修改src/lib/utils/⽂件(变成⾃⼰数据的类别和名字，前后数据集名字⼀定保持⼀致）
（1）添加⾃⼰的数据集：47⾏左右，添加：
elif num_classes == 4 or dataset == 'insulatorBolt':
self.names = insulatorBolt_class_name
（2）460⾏左右添加⾃⼰的类别：
insulatorBolt_class_name=[
'normal', 'defect', 'norbolt', 'debolt'
]
到这⾥，准备数据集的⼯作就算完成了！
训练⾃⼰的数据吧
来到的⽂件下：/home/dlut/⽹络/CenterNet-master/src
切换环境。
python ctdet --exp_id coco_dla --batch_size 8 --master_batch 1 --lr 1.25e-4 --gpus 0
因为我只有⼀块gpu，所以gpus 设置为0，学习率，batch_size这些都可以⾃⼰进⾏修改。
想要修改参数可以去中取修改。（如果显⽰显存不够之类的那种错误，需要在⽂件中将–num_workers改成
0，batch_size改成16或者更⼩。
我在运⾏的时候遇到了问题：RuntimeError: cuda runtime error (11) : invalid argument at
/pytorch/aten/src/THC/:663
解决办法是：在中加了：
import torch
d = False #加上这两句就可以跑通代码
没什么意外的话，应该开始训练了。
评价结果
当训练完之后，在./exp/ctdet/coco_dla/⽂件夹下会出现如下⽂件
其中，model_last是最后⼀次epoch的模型；model_best是val最好的模型，我选的是model_best模型；
将中两处的 替换为在63⾏和100⾏左右。
split = 'val' if not al else 'test'split = 'test
然后终端输⼊：
python --exp_id coco_dla --not_prefetch_test ctdet --load_model /home/dlut/⽹络/CenterNet-
master/exp/ctdet/coco_dla/model_
开始评价。
不出意外的话会出现下⾯的画⾯（出现⼀系列AP值），其中，⼀般使⽤的是第⼆⾏，也就是IOU=0.5，全区域的AP值，其他的分别是不同
IOU以及不同⽬标尺⼨区域的结果。
测试结果
##########################txt########################
某⼀个⽂本中的数字存的是图⽚的名字，要把这些名字的图⽚保存到另⼀个⽂件夹中
#
修改两处，注意⾃⼰建⽴⽂件
from PIL import Image
import os
f3 = open("/home/dlut/⽹络/CenterNet-master/VOC2018/ImageSets/Main/",'r') #test
⽂件所在路径
for line2 in f3.readlines():
line3=line2[:-1] # 000000
读取所有数字
im = Image.open('/home/dlut/⽹络/CenterNet-master/VOC2018/JPEGImages/{}.jpg'.format(line3))#line3
打开改路径下的记录的的⽂件名
im.save('/home/dlut/⽹络/CenterNet-master/VOC2018/testImg/{}.jpg'.format(line3)) # #
把⽂件夹中指定的⽂件名称的图⽚另存到该路径下⾃⼰需要新建⼀
个新的⽂件夹
f3.close()
然后我把所有需要测试的图⽚存放在了testImg下，把testImg⽂件放在CenterNet-master⽬录下⾯，然后在开始测试。
2. 要注意的是，当弹出第⼀站图⽚的时候，按esc除外的任意键可以继续检测下⼀张图，想要保存检测结果的话，只需要在
src/lib/detectors/⽂件中：
def show_results(self, debugger, image, results):
debugger.add_img(image, img_id='ctdet')
for j in range(1, self.num_classes + 1):
for bbox in results[j]:
if bbox[4] > self.opt.vis_thresh:
debugger.add_coco_bbox(bbox[:4], j - 1, bbox[4], img_id='ctdet')
#_all_imgs(pause=)
debugger.save_all_imgs(path='/home/dlut/⽹络/CenterNet-master/output/', genID=True)
加上⼀⾏代码，就是最后⼀⾏,path是输出路径，需要在
_all_imgs(path='/home/dlut/⽹络/CenterNet-master/output/', genID=True)
CenterNet⽂件夹下新建⼀个⽂件夹output，然后再运⾏⼀遍发现检测后的图⽚就会保存在这个⽂件夹⾥⾯了。当然，去掉倒数第⼆
⾏，那么运⾏的时候就不会弹出照⽚了。
show_all_imgs
参考：
感谢博主写的那么详细，但是⾃⼰在运⾏的时候，还是遇到了⼀些问题，所以⾃⼰重新总结谢了⼀份。
发布评论