6.7 KiB

Raw Blame History

实用工具

我们在 tools/ 文件夹下提供很多实用工具。除此之外，你也可以通过 MIM 来快速运行 OpenMMLab 的其他开源库。以 MMDetection 为例，如果想利用 print_config.py，你可以直接采用如下命令，而无需复制源码到 MMYOLO 库中。

mim run mmdet print_config [CONFIG]

需要特别注意的是：上述命令能够成功的前提是 MMDetection 库必须通过 MIM 来安装。

可视化

可视化 COCO 标签

脚本 tools/analysis_tools/browse_coco_json.py 能够使用可视化显示 COCO 标签在图片的情况

python tools/analysis_tools/browse_coco_json.py ${DATA_ROOT} [--ann_file ${ANN_FILE}] [--img_dir ${IMG_DIR}] [--wait-time ${WAIT_TIME}] [--disp-all] [--category-names CATEGORY_NAMES [CATEGORY_NAMES ...]] [--shuffle]

例子：

查看 COCO 全部类别，同时展示 bbox、mask 等所有类型的标注

python tools/analysis_tools/browse_coco_json.py './data/coco/' \
                                                --ann_file 'annotations/instances_train2017.json' \
                                                --img_dir 'train2017' \
                                                --disp-all

查看 COCO 全部类别，同时仅展示 bbox 类型的标注，并打乱显示

python tools/analysis_tools/browse_coco_json.py './data/coco/' \
                                                --ann_file 'annotations/instances_train2017.json' \
                                                --img_dir 'train2017' \
                                                --shuffle

只查看 bicycle 和 person 类别，同时仅展示 bbox 类型的标注

python tools/analysis_tools/browse_coco_json.py './data/coco/' \
                                                --ann_file 'annotations/instances_train2017.json' \
                                                --img_dir 'train2017' \
                                                --category-names 'bicycle' 'person'

查看 COCO 全部类别，同时展示 bbox、mask 等所有类型的标注，并打乱显示

python tools/analysis_tools/browse_coco_json.py './data/coco/' \
                                                --ann_file 'annotations/instances_train2017.json' \
                                                --img_dir 'train2017' \
                                                --disp-all \
                                                --shuffle

可视化数据集

脚本 tools/analysis_tools/browse_dataset.py 能够帮助用户去直接窗口可视化数据集的原始图片+展示标签的图片，或者保存可视化图片到指定文件夹内。

python tools/analysis_tools/browse_dataset.py ${CONFIG} [-h] [--output-dir ${OUTPUT_DIR}] [--not-show] [--show-interval ${SHOW_INTERVAL}]

例子：

使用 config 文件 configs/yolov5/yolov5_s-v61_syncbn_8xb16-300e_coco.py 可视化图片，图片直接弹出显示，同时保存到目录 work-dir/browse_dataset：

python tools/analysis_tools/browse_dataset.py 'configs/yolov5/yolov5_s-v61_syncbn_8xb16-300e_coco.py' \
                                               --output-dir 'work-dir/browse_dataset'

使用 config 文件 configs/yolov5/yolov5_s-v61_syncbn_8xb16-300e_coco.py 可视化图片，图片直接弹出显示，每张图片持续 10 秒，同时保存到目录 work-dir/browse_dataset：

python tools/analysis_tools/browse_dataset.py 'configs/yolov5/yolov5_s-v61_syncbn_8xb16-300e_coco.py' \
                                               --output-dir 'work-dir/browse_dataset' \
                                               --show-interval 10

使用 config 文件 configs/yolov5/yolov5_s-v61_syncbn_8xb16-300e_coco.py 可视化图片，图片直接弹出显示，每张图片持续 10 秒，图片不进行保存：

python tools/analysis_tools/browse_dataset.py 'configs/yolov5/yolov5_s-v61_syncbn_8xb16-300e_coco.py' \
                                               --show-interval 10

使用 config 文件 configs/yolov5/yolov5_s-v61_syncbn_8xb16-300e_coco.py 可视化图片，图片不直接弹出显示，仅保存到目录 work-dir/browse_dataset：

python tools/analysis_tools/browse_dataset.py 'configs/yolov5/yolov5_s-v61_syncbn_8xb16-300e_coco.py' \
                                               --output-dir 'work-dir/browse_dataset' \
                                               --not-show

数据集转换

文件夹 tools/data_converters/ 包含工具将 balloon 数据集（该小型数据集仅作为入门使用）转换成 COCO 的格式。

关于该脚本的详细说明，请看 YOLOv5 从入门到部署全流程中 数据集准备 小节。

python tools/dataset_converters/balloon2coco.py

数据集下载

脚本 tools/misc/download_dataset.py 支持下载数据集，例如 COCO、VOC、LVIS 和 Balloon.

python tools/misc/download_dataset.py --dataset-name coco2017
python tools/misc/download_dataset.py --dataset-name voc2007
python tools/misc/download_dataset.py --dataset-name lvis
python tools/misc/download_dataset.py --dataset-name balloon [--save-dir ${SAVE_DIR}] [--unzip]

模型转换

文件夹 tools/analysis_tools/ 下的三个脚本能够帮助用户将对应YOLO官方的预训练模型中的键转换成 MMYOLO 格式，并使用 MMYOLO 对模型进行微调。

YOLOv5

下面以转换 yolov5s.pt 为例：

将 YOLOv5 官方代码克隆到本地（目前支持的最高版本为 v6.1 ）

git clone -b v6.1 https://github.com/ultralytics/yolov5.git
cd yolov5

下载官方权重

wget https://github.com/ultralytics/yolov5/releases/download/v6.1/yolov5s.pt

将 tools/model_converters/yolov5_to_mmyolo.py 文件复制到 YOLOv5 官方代码克隆的路径

cp ${MMDET_YOLO_PATH}/tools/model_converters/yolov5_to_mmyolo.py yolov5_to_mmyolo.py

执行转换

python yolov5_to_mmyolo.py --src ${WEIGHT_FILE_PATH} --dst mmyolov5.pt

转换好的 mmyolov5.pt 即可以为 MMYOLO 所用。 YOLOv6 官方权重转化也是采用一样的使用方式。

YOLOX

YOLOX 模型的转换不需要下载 YOLOX 官方代码，只需要下载权重即可。下面以转换 yolox_s.pth 为例：

下载权重：

wget https://github.com/Megvii-BaseDetection/YOLOX/releases/download/0.1.1rc0/yolox_s.pth

执行转换

python tools/model_converters/yolox_to_mmyolo.py --src yolox_s.pth --dst mmyolox.pt

转换好的 mmyolox.pt 即可以在 MMYOLO 中使用。

6.7 KiB Raw Blame History Unescape Escape