【计算机视觉】基于 MMYOLO 的频高图实时目标检测 BENCHMARK

淩亂°似流年 2024-05-05 22:23 123阅读 0赞

文章目录

    • 一、数据集构建
      • 1.1 数据集准备
      • 1.2 数据集格式转换
      • 1.3 浏览数据集
      • 1.4 划分训练集、验证集、测试集
    • 二、配置文件
      • 2.1 数据集分析
      • 2.2 可视化 config 中的数据处理部分
      • 2.3 优化 Anchor 尺寸
      • 2.4 模型复杂度分析
    • 三、训练和测试
      • 3.1 训练
      • 3.2 测试
    • 四、实验与结果分析
      • 4.1 选择合适的 batch size

一、数据集构建

数字频高图是获取电离层实时信息最重要的途径。电离层结构检测对精准提取电离层关键参数，具有非常重要的研究意义。

利用中国科学院在海南、武汉、怀来获取的不同季节的 4311 张频高图建立数据集，使用 labelme 人工标注出 E 层、Es-c 层、Es-l 层、F1 层、F2 层、Spread F 层共 6 种结构。

在这里插入图片描述

1.1 数据集准备

下载数据后，放置在 MMYOLO 仓库的根目录下，使用 unzip test.zip 命令（linux）解压至当前文件夹。解压后的文件夹结构为：

  1. Iono4311/
  2. ├── images
  3. |      ├── 20130401005200.png
  4. |      └── ...
  5. └── labels
  6.        ├── 20130401005200.json
  7.        └── ...

其中，images 目录下存放输入图片，labels 目录下存放使用 labelme 标注得到的 json 文件。

1.2 数据集格式转换

使用MMYOLO提供的 tools/dataset_converters/labelme2coco.py 脚本将 labelme 格式的标注文件转换为 COCO 格式的标注文件。

  1. python tools/dataset_converters/labelme2coco.py --img-dir ./Iono4311/images \
  2.                                                 --labels-dir ./Iono4311/labels \
  3.                                                 --out ./Iono4311/annotations/annotations_all.json

1.3 浏览数据集

使用下面的命令可以将 COCO 的 label 在图片上进行显示，这一步可以验证刚刚转换是否有问题。

  1. python tools/analysis_tools/browse_coco_json.py --img-dir ./Iono4311/images \
  2.                                                 --ann-file ./Iono4311/annotations/annotations_all.json

1.4 划分训练集、验证集、测试集

设置 70% 的图片为训练集，15% 作为验证集，15% 为测试集。

  1. python tools/misc/coco_split.py --json ./Iono4311

发表评论

表情：
评论列表 （有 0 条评论，123人围观）

还没有评论，来说两句吧...

相关阅读