在此粗糙的记录一下相关的过程。如果有错误,还请屏幕前的你当一回热心观众提出正解哈~
一.安装过程
四个字,曲折跌宕。作为一个深度学习门外汉,前期的环境配置和安装来来回回就挺折腾的,但最后也跑出来了就很开心。记录几个比较重要的点:
1.各路基础套件版本
nvidia driver : 470
cuda : 11.0
cudnn : 8.0.1(对应cuda就好)
pytorch 17.0
2.安装detectron2的注意点
首先,如果碰到安装失败,一定要耐心去报错信息里找问题在哪里,不要只看最后的报错信息!!!解决了报错信息之后,一定要删掉build文件夹后,再重新安装!
由于我本人只需要用预训练好的模型,给自己的test图片来做全景分割,所以就可以跳过train的环节。github上有做evaluation的命令行,注意里面的checkpoint文件路径,就是readme表格里model链接下载到的.pth文件的路径,.pth不要看他是个压缩包就去解压(不要问我为什么这么闲,扶额)
3.怎么用panopticFCN来测试自己的数据?
这里呢,其实去issues里看一看就能发现了,感谢热心的作者和提问者,给我这个门外汉省了好多事TAT,感恩!
首先,打开/path to detectron2/demo/demo.py. 把你囧囧有神的眼睛移到27行。
# To use demo for Panoptic-DeepLab, please uncomment the following two lines.
# from detectron2.projects.panoptic_deeplab import add_panoptic_deeplab_config # noqa
# add_panoptic_deeplab_config(cfg)
看到了吗?!多么善良的程序员!
按照这个依葫芦画瓢啊,在这里加上两句
from detectron2.projects.panopticfcn.config import add_panopticfcn_config # noqa
add_panopticfcn_config(cfg)
最后呢,记录一下我test的命令行。目前比较郁闷的是,如果想让他自己测试一个文件夹里所有的图片文件,输出了几个结果之后就会报错cuda out of memory了。。config文件里的batch size我也改成了1(据我浅薄的知识,这个应该在train的时候会有影响,直接test的时候会有影响吗?)。 下面这个*.png就可以输出文件夹下图片们的结果,但悲伤的是输出了几个就没内存了。 这些个选项是什么,要怎么设置,可以看看demo.py里面的get_parser()
函数哈。
python3 demo/demo.py --config-file projects/PanopticFCN/configs/PanopticFCN-R50-3x-FAST.yaml --input /../listfolder/*.png --output /../output/
二. 关于数据集
1.数据集标签
更新一点:
在检查类别的时候发现下面的这个方法输出的id和实际图片输出的id不是互相匹配的,最后在github上找到了官方给出的catagory_id:
Json file panoptic_coco_categories.json contains the list of all categories used in COCO panoptic segmentation challenge 2018.
‘=========
用的是coco的数据集做全景分割,自然要去了解输出结果的tensor里,那些数字id的意思了!所以找到了下面这个方法,可以在终端输出一个列表
比如说,我其实要查看的是panoptic_val2017.json
这个文件里面的标签记录,我就在这个文件所在的文件夹里直接新建了一个python文件coco_catagory.py
#!/usr/bin/python
cat_2014 = './路径其实随便改/instances_val2014.json'
cat_2017 = './panoptic_val2017.json'
import sys, getopt
import json
def main(argv):
json_file = None
try:
opts, args = getopt.getopt(argv,"hy:")
except getopt.GetoptError:
print('coco_categories.py -y <year>')
sys.exit(2)
for opt, arg in opts:
if opt == '-y':
if(arg == '2014'):
json_file = cat_2014
else:
json_file = cat_2017
if json_file is not None:
with open(json_file,'r') as COCO:
js = json.loads(COCO.read())
print(json.dumps(js['categories']))
if __name__ == "__main__":
main(sys.argv[1:])
然后呢,在终端里运行下面的指令,就可以看到所有的标签了
python coco_catagory.py -y 2017