【MMDetection系列 - 1】 MMdetection基础环境配置及demo运行

---

前言

MMDetection是一个基于Pytorch的深度学习目标检测工具箱，支持多种主流的目标检测框架。

第一次接触这个框架，参考了官方文档（https://mmdetection.readthedocs.io/zh-cn/latest/get_started.html），在此记录一下自己的学习过程，也可供参考。

本文介绍了如何在ubuntu系统下配置MMDetection所需环境依赖，并运行demo测验结果。

---

一、配置基础环境

操作系统：Ubuntu 22.10
显卡：RTX 3080

1. 终端指令

在终端依次输入如下指令：

（1）创建并激活虚拟环境

conda create --name openmmlab python=3.8 -y
conda activate openmmlab

其中“openmmlab”是环境名，可以自己随意命名，python版本也可自己指定，本文设置为3.8

（2）安装PyTorch （版本需对应）

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

可直接访问如下地址，获取各种版本的Pytorch文件：

https://download.pytorch.org/whl/torch_stable.html

（3）安装mmeninge以及mmcv（也需要注意版本）

pip install -U openmim
mim install mmengine
mim install mmcv==2.1.0

2. 源码下载及虚拟环境配置

（1）访问如下github网址，下载mmdetection源码（zip格式），并解压到本地

https://github.com/open-mmlab/mmdetection

（2）在Pycharm中打开以上项目（“文件"->“打开”->“（1）中项目目录（mmdetection-main）”）

（3）通过Pycharm中“文件” -> “设置” -> “项目：mmdetection-main” -> “Python解释器”中如下图所示点击“添加”
(英文版：“File” -> “Settings” ->”Project：*****“ -> ”Python Interpreter“)


（4）点击后，弹出“添加Python解释器”，在Conda环境中点击“现有环境”，选择在步骤一中配置好的虚拟环境。


**tips：在终端中输入以下命令获取虚拟环境列表,从中可找到步骤一中配置的虚拟环境的位置

conda env list

本文配置的虚拟环境路径即为：/home/hm/anaconda3/envs/openmmlab

二、demo运行步骤

1.权重文件下载

下面运行官方所提供的demo，检验是否可以成功显示。
（1）打开Pycharm的终端（如上述环境选择正确，会在最前面的括号里显示你的虚拟环境名）


（2）在终端中输入命令，下载配置文件和模型权重文件

mim download mmdet --config rtmdet_tiny_8xb32-300e_coco --dest .

其中- -config后面的“rtmdet_tiny_8xb32-300e_coco”是配置文件的名字，这里给出的是rtmdet模型训练的文件。
在configs文件中包含了很多模型的预训练文件，每个文件夹是一个算法模型，想用其他模型的话，你也可以从源码目录结构“configs”文件下找到对应名称，通过上述命令来下载相应的配置文件和模型权重文件。

以下是configs目录下的模型文件:



以代码所给示例为例，下图为rtmdet的权重文件：（上面的rtmdet_tiny_8xb32-300e_coco就是其中一个）



下载成功后，将会在mmdetection-main文件下看到生成了两个文件：
rtmdet_tiny_8xb32-300e_coco.py
rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth

2.运行demo验证

方式一：

（1）在pycharm终端运行以下命令

python demo/image_demo.py demo/demo.jpg rtmdet_tiny_8xb32-300e_coco.py --weights rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth --device cpu

代码解释：使用步骤1中下载的模型权重文件，对demo文件夹下的demo.jpg进行验证。

（2）运行后，将在文件夹outputs/vis中看到demo.jpg文件，如下图所示。

方式二：
（1）在Pycharm右上角处，选择“编辑配置”



（2）配置如下：
脚本路径选择为“image_demo.py”
形参设置与方式一中的命令类似，具体内容参考如下：

/media/hm/D/HS/mmdetection-main/demo/demo.jpg
/media/hm/D/HS/mmdetection-main/rtmdet_tiny_8xb32-300e_coco.py 
--weights
/media/hm/D/HS/mmdetection-main/rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth
--device
cpu
--show

其中：具体文件路径以你所放文件路径为准。（上述.py和.pth文件为下载的模型权重文件）

（3）点击右下角的“应用”完成设置，即可运行image_demo.py文件

（4）成功运行后将弹出测试图片的结果。

---

总结

以上介绍了初次接触MMdetection的入门实践，包括基础环境配置以及demo 的运行。