- https://github.com/facebookresearch/detectron2 (PyTorch implementation)
- https://github.com/matterport/Mask_RCNN (Tensorflow implementation). Much of this repository was built using this repository as a reference
相关安装
建议按照教程新建anaconda环境以免冲突。
环境和库文件安装
安装要求和步骤，直接执行：
https://github.com/facebookresearch/maskrcnn-benchmark/blob/master/INSTALL.md
-
conda create --name maskrcnn_benchmark -
conda activate maskrcnn_benchmark -
conda install ipython -
pip install ninja yacs cython matplotlib tqdm -
#此步骤不建议，最好离线直接安装 -
conda install -c pytorch pytorch-nightly torchvision cudatoolkit=9.0 -
export INSTALL_DIR=$PWD -
cd $INSTALL_DIR -
git clone https://github.com/cocodataset/cocoapi.git -
cd cocoapi/PythonAPI -
python setup.py build_ext install -
cd $INSTALL_DIR -
git clone https://github.com/facebookresearch/maskrcnn-benchmark.git -
cd maskrcnn-benchmark -
python setup.py build develop -
unset INSTALL_DIR
(其中pytorch 1.0 装得很慢，而且经过测试没必要使用作者的nightly版本，直接用离线包安装1.0就行)
注意：这个build编译和安装后会把maskrcn装作一个pip库从中引用，如果编译失败会在from maskrcnn_benchmark.config import cfg报错，因为找不到该库文件。安装后conda list会有显示.
权重文件下载
权值文件作者在代码中集成了，自动下载，速度比较快，直接用他的就行。在运行demo的时候会自动检测对应位置是否有权值文件，没有的话会进行下载，下载路径很奇怪，嵌入到torch的隐藏文件夹了：
cd进入文件夹可以查看下载的ResNet-50和ResNet-101模型以及网络的权重：
运行demo
两种方式利用现成参数inference
webcam摄像头检测分割
进入demo文件夹下，直接运行即可：
python webcam.py图片检测分割
原文档没写清楚，稍微改改自己加一个文件就行，新建一个demo.py，其中写入如下：
-
from maskrcnn_benchmark.config import cfg -
from predictor import COCODemo -
import torch -
import cv2 -
import ipdb -
ipdb.set_trace(context=35) -
config_file = "../configs/caffe2/e2e_mask_rcnn_R_101_FPN_1x_caffe2.yaml" -
cfg.merge_from_file(config_file) -
cfg.merge_from_list(["MODEL.DEVICE", "cpu"]) -
coco_demo = COCODemo( -
cfg, -
min_image_size=800, -
confidence_threshold=0.7, -
) -
image = cv2.imread('/py/pic/2.jpg') -
predictions = coco_demo.run_on_opencv_image(image) -
cv2.imshow("COCO detections", predictions) -
cv2.waitKey(0)
其中更换图片路径即可，config这里用的resnet-101，如果显存不够改成50即可（700M很小了）。注意：config建议用caffe路径下的，外面的会下载预训练权重，不能检测，是留作训练用的。
运行即可：
python demo.py
pytroch官网提供的预训练模型：resnet18：resnet18-5c106cde.pth和resnet50：resnet50-19c8e357.pth（两个文件打包在一起）
相关下载链接：//download.csdn.net/download/qq_34374211/10618967?utm_source=bbsseo
扫一扫
3748
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
