要求：实现汽车分期。
配置： ubuntu18.1、python3.6.13、pytorch1.7.1、检测N2 0.4和gtx2080ti。
数据集：从kaggle下载
效果如下。 (反复1000次) :
数据集1，下载的文件包括： 这里使用的是train.zip、train_mask.zip，各5088张。 其中train_mask对应于以二值化掩模的形式标记的汽车区域；
2、将标记为mask的文件转换为labelme格式，mask_to_labelme.py； 因为标签me的json文件包含图像信息，所以可以在标签me.exe中打开转换的json文件；
3、将labelme转换为coco格式的数据集，labelme_to_json.py； 不想自己转换的可以直接下载；
链接： https://pan.Baidu.com/s/15895 gbambjz 58 nqje 8o SG
引出导线： 1l92
detectron2附带了所有培训配置文件和预培训模型，因此您可以使用默认配置文件。
importosfromdetectron2. configimportget _ cfgfromdetectron2. engineimportdefaulttrainer， 下载efault _ argument _ parserfromdetectron2. data.datasetsimportregister _ coco _ instances #数据集： https://www.kkww Wang/dataset/carvanaimagemaskingchallenge/train ' JSON _ path=r '/home carvanaimagemaskingchar vana.JSON coco-instance segment mask _ rcnn _ r _ 50 _ fpn _ 3x.YAML ' model _ weights=r '/home/Wang/home/Wang/model model _ fin ning car vana ' register _ coco _ instances (car vana '，{}，json_path，img _ path (if _ name _==='==03360 args.config _ file=config _ file CFG.merge _ from _ file (args.config _ file ) CFG.merge _ from _ lile ometricsimplementedforthisdatasetcfg.data loader.num _ workers=8CFG.model.weights=model _ weights CFG.solver.ll CFG.model.ROI _ heads.batch _ size _ per _ image=(128 ) CFG.model.ROI _ heads.num _ classes=1CFG.outpp exist _ ok=true (trainer=default trainer ) CFG ) trainer.resume _ or _ load (resume=false ) trainer.train )测试figimportget _ cfgfromdetectron2. data.detection _ utilsimportread _ importread _ import ort color mode， visualizerimportosimportmatplotlib.pyplotaspltconfig _ file=r '/home/Wang/home/Wang/config/coco-instance segment mask _ rcnn _ r _ 50 _ fpn _ 3x.YAML ' model _ weights=r '/home/Wang/home/Wang/outputpul 0a0e3fb 8f 782 _ 01.jpg ' out _ filename=OS.path.join (OS.path.splitext (OS.path.basename (image _ path ) ) (iflen ) args.config_file )==0: args.config _ file CFG.merge _ from _ from _ file CFG.merge _ frre (CFG.model.weights=model _ weights CFG.model.ROI _ heads.num _ classes=1predictor=默认预览程序(CFG ) 格式=' bgr ' ) image _ output=predictor (image_input ) visualizer=visualizer ) image _ input，scale=1， instance _ mode=color mode.image _ bw ) vis _ output=visualizer.draw _ instance _ predictions [ image _ ou output ]