使用Detectron2训练自定义数据集时的类别ID错误问题

以下是针对该报错的排查和解决步骤：

1. 检查标注文件的category_id合法性 #

• 打开标注文件（如COCO格式的annotations.json），统计所有category_id的最大值，确认是否存在194这个ID：
  • 若为标注错误，直接删除对应标注或修正category_id到1-193范围内；
  • 若实际类别数确实是194，重新确认数据集类别数量，同步修改cfg.MODEL.ROI_HEADS.NUM_CLASSES = 194，并确保后续所有配置和元数据匹配。
• 若标注里的category_id是1-based（从1到193），需在自定义数据集加载代码中转换为Detectron2默认的0-based索引：

  # 在加载标注的函数中添加转换逻辑
  for ann in annotations:
      ann["category_id"] = ann["category_id"] - 1  # 转换为0开始的索引
  

2. 校验数据集元数据与配置一致性 #

• 检查数据集注册时的元数据类别列表长度是否为193：

  from detectron2.data import MetadataCatalog
  metadata = MetadataCatalog.get("your_dataset_name")
  print(len(metadata.thing_classes))  # 输出必须为193
  

• 如果长度不符，修正注册代码中的thing_classes列表，确保其包含193个类别名称，与数据集实际类别一一对应。

3. 处理预训练权重加载问题 #

• 若使用了COCO预训练模型，修改类别数后需确保ROI Heads权重正确初始化：
  • 加载模型时设置strict=False，跳过与当前类别数不匹配的预训练权重层：

    from detectron2.engine import DefaultTrainer
    trainer = DefaultTrainer(cfg)
    trainer.resume_or_load(resume=False, strict=False)
    

  • 或者直接在配置中指定仅加载主干网络权重，重新训练头部：

    cfg.MODEL.WEIGHTS = "path/to/backbone/weights.pth"
    cfg.MODEL.BACKBONE.FREEZE_AT = 2  # 根据需求冻结主干部分层
    

4. 排查推理阶段的配置匹配 #

• 若报错出现在推理阶段，确认推理代码使用的配置文件与训练时完全一致：
  • 确保推理时的cfg.MODEL.ROI_HEADS.NUM_CLASSES设置为193；
  • 检查推理加载的数据集是否与训练集使用相同的标注规则（如category_id是否已转换为0-based）。

内容的提问来源于stack exchange，提问作者Nitya Rakhe