mmdetection实战：从零开始构建自定义数据集训练流程
1. 数据准备：构建自定义数据集的完整流程
第一次用mmdetection训练自己的数据集时，最让我头疼的就是数据格式转换。官方文档虽然提供了COCO和VOC两种标准格式的说明，但实际项目中我们拿到的往往是杂乱无章的原始图片。经过三个实际项目的踩坑经验，我总结出这套小白也能快速上手的标准化流程。
首先需要明确的是，mmdetection支持的数据目录结构不是随便创建的。以VOC格式为例，正确的目录树应该是这样的：
mmdetection └── data └── VOCdevkit └── VOC2007 ├── Annotations # 存放XML标注文件 ├── ImageSets │ └── Main # 存放train.txt/val.txt等划分文件 └── JPEGImages # 存放所有原始图片实际操作时最容易出错的是标注文件生成环节。假设你已经有了一批用LabelImg标注的图片，建议先用这个Python脚本批量检查XML文件完整性：
import xml.etree.ElementTree as ET import os def validate_xml(xml_path): try: tree = ET.parse(xml_path) root = tree.getroot() assert root.tag == 'annotation' return True except Exception as e: print(f"Invalid XML: {xml_path} - {str(e)}") return False annotations_dir = "mmdetection/data/VOCdevkit/VOC2007/Annotations" for xml_file in os.listdir(annotations_dir): validate_xml(os.path.join(annotations_dir, xml_file))数据集划分同样有讲究。我习惯用sklearn的train_test_split来确保各类别分布均衡：
from sklearn.model_selection import train_test_split all_images = [f.split('.')[0] for f in os.listdir('JPEGImages')] train_val, test = train_test_split(all_images, test_size=0.1, random_state=42) train, val = train_test_split(train_val, test_size=0.1, random_state=42) def write_to_txt(filepath, data): with open(filepath, 'w') as f: f.write('\n'.join(data)) write_to_txt('ImageSets/Main/train.txt', train) write_to_txt('ImageSets/Main/val.txt', val) write_to_txt('ImageSets/Main/test.txt', test)2. 环境配置：避坑指南与效能优化
很多教程只告诉你要安装mmcv-full，但没说明版本匹配的玄学问题。经过多次验证，我整理出这个版本对应关系表：
| Torch版本 | CUDA版本 | 推荐MMCV-full版本 |
|---|---|---|
| 1.6.0 | 10.2 | 1.3.0 |
| 1.7.0 | 11.0 | 1.3.1 |
| 1.8.0 | 11.1 | 1.4.0 |
安装时强烈建议使用预编译版本，编译过程经常会出现各种神奇报错。这是我验证过的稳定安装命令：
pip install mmcv-full==1.3.0 -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.6.0/index.html源码编译环节有个隐藏坑点：某些Linux发行版默认的GCC版本过低。这是我总结的解决方案：
# CentOS系统 sudo yum install centos-release-scl sudo yum install devtoolset-8 scl enable devtoolset-8 bash # Ubuntu系统 sudo apt-get install gcc-5 g++-5 sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 603. 配置文件修改：关键参数详解
第一次看到mmdetection的配置文件时，我完全被嵌套结构搞晕了。其实核心需要修改的就几个关键位置：
首先是数据集配置文件（voc0712.py），这几个参数直接影响训练效果：
img_norm_cfg = dict( mean=[123.675, 116.28, 103.53], # 建议改成自己数据集的RGB均值 std=[58.395, 57.12, 57.375], # 建议改成自己数据集的RGB标准差 to_rgb=True) train_pipeline = [ dict(type='Resize', img_scale=(1333, 800), keep_ratio=True), # 根据GPU显存调整 dict(type='RandomFlip', flip_ratio=0.5), # 数据增强概率 ]模型配置文件（如faster_rcnn_r50_fpn.py）中这两个参数最容易被忽略：
model = dict( roi_head=dict( bbox_head=dict( num_classes=20, # 必须改成自己的类别数 reg_decoded_bbox=True))) # 使用GIoU时需要设为True学习率设置需要根据batch_size动态调整，我的经验公式是：
基础学习率 = 0.02 * (实际batch_size / 16)4. 训练与调试：实用技巧分享
启动训练后，90%的问题都出在数据加载阶段。这个调试命令可以提前发现问题：
python tools/train.py configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py --validate --work-dir work_dirs/debug训练过程中这几个信号需要特别注意：
- Loss曲线震荡剧烈 → 尝试降低学习率
- mAP波动大 → 检查数据标注质量
- GPU利用率低 → 调整workers_per_gpu参数
可视化分析推荐使用mmdet自带的日志解析工具：
python tools/analysis_tools/analyze_logs.py plot_curve work_dirs/xxx/xxx.log --keys loss_cls loss_bbox --out losses.png模型测试时这个技巧可以提升推理速度：
cfg = mmcv.Config.fromfile(config_file) cfg.model.test_cfg.rcnn.score_thr = 0.3 # 调高阈值加速推理