### Mask2Former 训练自定义数据集教程 #### 准备工作 为了使用 Mask2Former 模型训练自定义数据集，需完成一系列准备工作。这包括安装依赖库、配置环境以及准备符合模型需求的数据集格式。 1. **安装依赖项** 首先需要确保已正确安装 PyTorch 和 Detectron2 库，因为 Mask2Former 是基于这些框架构建的。可以按照官方文档中的说明来设置开发环境[^1]。例如，在终端中执行以下命令以安装必要的依赖项： ```bash pip install torch torchvision detectron2 git+https://github.com/facebookresearch/fvcore.git ``` 2. **克隆 Mask2Former 仓库** 下载 Mask2Former 的源码到本地机器以便后续操作。 ```bash git clone https://github.com/facebookresearch/Mask2Former.git cd Mask2Former ``` 3. **创建数据集结构** 数据集应遵循特定的目录结构，通常分为 `train` 和 `val` 子文件夹用于存储图像及其对应的标注文件。具体来说，每个子文件夹下的图片与其 JSON 文件一一对应[^2]。例如： ``` datasets/ ├── train/ │ ├── image1.jpg │ ├── image1.json │ └── ... └── val/ ├── image1.jpg ├── image1.json └── ... ``` 4. **转换数据集格式** 如果原始数据不符合 COCO 或 ADE20K 格式，则需要编写脚本来将其转化为适合 Mask2Former 使用的形式。对于滑坡语义分割任务，可参考 Bijie Landslide Dataset 并通过 Python 脚本处理输入数据[^3]。假设该数据集中每张图片都有相应的 mask 图像作为标签，那么可以通过如下方式生成所需的 JSON 文件： ```python import json from pathlib import Path dataset_dir = Path('path/to/dataset') annotations = [] images = [] categories = [{"id": 1, "name": "landslide"}] for img_path in (dataset_dir / 'images').glob('*.jpg'): annotation_id += 1 # 构建单个样本的信息字典 image_info = { "file_name": str(img_path.name), "height": ..., "width": ..., "id": len(images)+1 } images.append(image_info) mask_path = img_path.with_suffix('.png') # 假设掩模路径与原图一致仅扩展名不同 segmentation_data = convert_mask_to_polygon(mask_path) # 定义函数将二值掩膜转多边形表示形式 bbox = compute_bounding_box(segmentation_data) # 计算包围盒 anno_entry = { "segmentation": [list(map(float, seg))], "area": area_of_segmentation, "iscrowd": 0, "image_id": image_info["id"], "bbox": list(map(float,bbox)), "category_id": 1, "id": annotation_id } annotations.append(anno_entry) final_json = {"annotations": annotations,"categories": categories,"images": images} with open(dataset_dir/'output_coco_format.json', 'w') as f: json.dump(final_json,f) ``` #### 开始训练过程 当一切就绪之后就可以启动实际的训练流程了。以下是几个重要参数调整建议： - 修改配置文件：打开默认实验设定并依据实际情况修改超参比如学习率(`BASE_LR`)、批次大小(`IMS_PER_BATCH`)等。 ```yaml _BASE_: "../Base-MaskFormer-R50.yaml" MODEL: WEIGHTS: "detectron2://ImageNetPretrained/MSRA/R-50.pkl" MASK_FORMER: NUM_CLASSES: 2 DATASETS: TRAIN: ("custom_train", ) TEST: ("custom_val", ) SOLVER: IMS_PER_BATCH: 8 BASE_LR: 0.0001 ``` - 执行训练指令： ```bash python tools/train_net.py --config-file configs/maskformer_R_50_bs16_160k.yaml \ OUTPUT_DIR ./outputs/custom_dataset_output ``` #### 结果评估与部署 经过充分迭代后会得到最终权重文件保存于指定输出目录下。此时可以用验证集合测试性能指标或者导出简化版推理引擎供生产环境中应用。 ---