Detectron2 0.3: Tutorials : 組込みデータセットの利用 (翻訳/解説)
翻訳 : (株)クラスキャット セールスインフォメーション
作成日時 : 03/04/2021 (0.3)

* 本ページは、Detectron2 ドキュメントの以下のページを翻訳した上で適宜、補足説明したものです：

• Tutorials : Use Builtin Datasets

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

Detectron2 : Tutorials : 組込みデータセットの利用

データセットはそのデータのために DatasetCatalog、あるいはメタデータ (クラス名等) のために MetadataCatalog にアクセスすることにより利用できます。このドキュメントは組込みデータセットをどのようにセットアップするか説明しますので、それらは上の API により利用できます。Use Custom Datasets は DatasetCatalog と MetadataCatalog をどのように使用するか、そしてそれらに新しいデータセットをどのように追加するかについて深いダイブを与えます。

Detectron2 は幾つかのデータセットのための組込みサポートを持ちます。データセットは環境変数 DETECTRON2_DATASETS により指定されるディレクトリに存在することが仮定されます。このディレクトリ下で、detectron2 は必要であれば、下で記述される構造のデータセットを探します。

$DETECTRON2_DATASETS/
  coco/
  lvis/
  cityscapes/
  VOC20{07,12}/

export DETECTRON2_DATASETS=/path/to/datasets により組込みデータセットのための位置を設定できます。未設定のままの場合、デフォルトは現在の作業ディレクトリに相対的に ./datasets です。

モデル zoo はこれらの組込みデータセットを利用する config とモデルを含みます。

COCO インスタンス/キーポイント検出 のために想定されるデータセット構造

coco/
  annotations/
    instances_{train,val}2017.json
    person_keypoints_{train,val}2017.json
  {train,val}2017/
    # image files that are mentioned in the corresponding json

データセットの 2014 バージョンもまた利用できます。

組込みテスト (dev/run_*_tests.sh) の幾つかは COCO データセットの tiny バージョンを使用します、これは ./datasets/prepare_for_tests.sh でダウンロードできます。

PanopticFPN のために想定されるデータセット構造

COCO web サイト から panoptic アノテーションを次の構造に展開します :

coco/
  annotations/
    panoptic_{train,val}2017.json
  panoptic_{train,val}2017/  # png annotations
  panoptic_stuff_{train,val}2017/  # generated by the script mentioned below

Install panopticapi by:

pip install git+https://github.com/cocodataset/panopticapi.git

それから、panoptic アノテーションからセマンティック・アノテーションを抽出するために python datasets/prepare_panoptic_fpn.py を実行します。

LVIS インスタンス・セグメンテーション のために想定されるデータセット構造

coco/
  {train,val,test}2017/
lvis/
  lvis_v0.5_{train,val}.json
  lvis_v0.5_image_info_test.json
  lvis_v1_{train,val}.json
  lvis_v1_image_info_test{,_challenge}.json

Install lvis-api by:

pip install git+https://github.com/lvis-dataset/lvis-api.git

LVIS アノテーションを使用して COCO データセット上で訓練されたモデルを評価するには、“cocofied” LVIS アノテーションを準備するために python datasets/prepare_cocofied_lvis.py を実行します。

cityscapes のために想定されるデータセット構造

cityscapes/
  gtFine/
    train/
      aachen/
        color.png, instanceIds.png, labelIds.png, polygons.json,
        labelTrainIds.png
      ...
    val/
    test/
    # below are generated Cityscapes panoptic annotation
    cityscapes_panoptic_train.json
    cityscapes_panoptic_train/
    cityscapes_panoptic_val.json
    cityscapes_panoptic_val/
    cityscapes_panoptic_test.json
    cityscapes_panoptic_test/
  leftImg8bit/
    train/
    val/
    test/

Install cityscapes scripts by:

pip install git+https://github.com/mcordts/cityscapesScripts.git

Note: labelTrainIds.png を作成するために、最初に上の構造を準備してから、次で cityscapesescript を実行します :

CITYSCAPES_DATASET=/path/to/abovementioned/cityscapes python cityscapesscripts/preparation/createTrainIdLabelImgs.py

これらのファイルはインスタンス・セグメンテーションのためには必要とされません。

Note: Cityscapes panoptic データセットを生成するには、次で cityscapesescript を実行します :

CITYSCAPES_DATASET=/path/to/abovementioned/cityscapes python cityscapesscripts/preparation/createPanopticImgs.py

これらのファイルはセマンティックとインスタンス・セグメンテーションのために必要とされません。

Pascal VOC のために想定されるデータセット構造

VOC20{07,12}/
  Annotations/
  ImageSets/
    Main/
      trainval.txt
      test.txt
      # train.txt or val.txt, if you use these splits
  JPEGImages/

ADE20k Scene Parsing のために想定されるデータセット構造

ADEChallengeData2016/
  annotations/
  annotations_detectron2/
  images/
  objectInfo150.txt

ディレクトリ annotations_detectron2 は python datasets/prepare_ade20k_sem_seg.py の実行により生成されます。

以上