mmdetection入门学习（一）

一、环境配置，激活conda的pytorch环境，在Anaconda Prompt中运行：

conda activate mmlab # 预安装好pytorch的conda环境
pip install -U openmim
mim install mmengine
mim install "mmcv>=2.0.0"
pip install mmdet

二、环境测试

2.0 查看当前路径，在当前路径下创建python文件mmdet-test.py。例如：当前路径为 C:\Desktop\Codes，创建C:\Desktop\Codes\mmdet-test.py文件。

# windows系统下查看当前路径命令
cd
# linux系统下查看当前路径命令 pwd

查询当前所有现有的模型名称，在mmdet-test.py文件中运行：

from mmdet.apis import DetInferencer
# models 是一个模型名称列表，自动打印模型名称
models = DetInferencer.list_models('mmdet')

2.1 在路径C:\Desktop\Codes下，任选一个model_name，下载权重文件。

# 下载现有的模型和模型pth文件到指定目录
# --config 配置文件 "rtmdet_tiny_8xb32-300e_coco"表示模型名称
# --dest 路径，"./models"表示下载到当前目录的models文件下
mim download mmdet --config rtmdet_tiny_8xb32-300e_coco --dest ./models

2.2 加载文件，创建模型实例。

from mmdet.apis import init_detector, inference_detector
# 刚刚下载的模型文件和模型的pth文件
config_file = 'models/rtmdet_tiny_8xb32-300e_coco.py'
checkpoint_file = 'models/rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth'
imgpath = 'demo/demo.jpg'
imgoutpath = 'demo/demoout.jpg'
# init_detector加载配置文件和权重，初始化模型，创建一个model实例
# or device='cpu'
model = init_detector(config_file, checkpoint_file, device='cuda:0')  

2.3 加载可视化模块

from mmdet.registry import VISUALIZERS
import mmcv
import os
visualizer = VISUALIZERS.build(model.cfg.visualizer)
visualizer.dataset_meta = model.dataset_meta

2.4 运行

img = mmcv.imread(imgpath)
result = inference_detector(model, imgpath)
visualizer.add_datasample('result',img,data_sample=result,draw_gt=False,out_file=imgoutpath,pred_score_thr=0.3)

文件结构如下：

C:\Desktop\Codes
      | 
      |__mmdet-test.py
      |
      |__demo
      |    |
      |    |__demo.jpg
      |    |
      |    |__demoout.jpg
      |
      |__models
           |
           |__rtmdet_tiny_8xb32-300e_coco.py
           |
           |__rtmdet_tiny_8xb32-300e_coco_20220902_112414-78e30dcc.pth