Ubuntu18.04 配置detectron2实现Faster RCNN目标检测和Mask RCNN实例分割(一)

最新推荐文章于 2024-06-24 16:57:04 发布
最新推荐文章于 2024-06-24 16:57:04 发布
阅读量4.1k 收藏 27
点赞数 3
分类专栏： 目标检测 Pytorch 深度学习 文章标签： pytorch 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/linghu8812/article/details/105701408
版权

1. 背景介绍

2. 环境要求

  • Ubuntu 18.04
  • CUDA10
  • pytorch==1.3.0
  • torchvision==0.4.1
  • pycocotools

3. 安装步骤

3.1安装依赖

  • cocoapi
git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
python setup.py build_ext install
  • Cython
pip install cython

3.2 安装detectron2

git clone https://github.com/facebookresearch/detectron2.git
cd detectron2 && python -m pip install -e .

4. 测试安装

完成安装后可输入一下命令测试安装是否成功。

python3 demo.py --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml \
  --input cat.jpg \
  --output result_cat.jpg \
  --opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl

输入图片为：
cat.img
结果图片为：
result.jpg
测试成功，说明安装成功，可以使用该框架进行进一步训练、测试等。

令狐傻笑
关注
专栏目录
一个使用detectron2的简单实例分割项目实战
Stone_石头
08-10 2355
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
基于detectron2的CenterMask2实时无锚点实例分割-python
06-18
基于detectron2的CenterMask2实时无锚点实例分割 CenterMask2 [CenterMask(原始代码)][vovnet-detectron2][arxiv] [BibTeX] CenterMask2 是在基于 maskrcnn-benchmark 的原始 CenterMask 之上的检测器 2 之上的升级实现。 CenterMask : Real-Time Anchor-Free Instance Segmentation (CVPR 2020) Youngwan Lee and Jongyoul Park Electronics and Telecommunications Research Institute (ETRI) pre-print : https://arxiv.org/abs/1911.06667 Highlights First-free one-stage实例分割。 据我们所知，CenterMask 是在无锚对象检测（15/11/2019）之上的第一个实例分割。 走向实时：CenterMask-Lite。 该作品不仅提供了大规模的
简单粗暴-安装detectron2
最新发布
qq_46345319的博客
06-24 1043
步骤：进入detectron2解压包（该文件夹下含有setup.py），在空白出右键->终端打开->激活你相应的虚拟环境->输入：python setup.py build develop。文件路径地址：detectron2\detectron2\layers\csrc\nms_rotated\nms_rotated_cuda.cu。下载压缩包zip，并解压备用：https://github.com/facebookresearch/detectron2。
Detectron2目标检测、实例分割、关键点检测、全景分割
ouening的博客
07-26 2470
环境：Win10， python3.8， detectron2（0.5），pytorch：1.9，torchvision：0.10.0 测试图片： 测试视频： https://pixabay.com/videos/street-road-traffic-cars-driving-3617/ 参考链接：https://www.youtube.com/watch?v=Pb3opEFP94U 测试代码： ''' Original source: https://www.youtube.com/watch?v=P
Ubuntu18.04 配置maskrcnn-benchmark实现Faster RCNN目标检测和Mask RCNN实例分割
linghu8812的博客
09-06 1034
目录 1. 环境要求 2. 安装步骤 2.1 安装cocoapi 2.2 安装apex 2.3 配置maskrcnn-benchmark maskrcnn-benchmark是facebook research开源的目标检测和实例分割的算法仓库，可以实现的模型有Faster RCNN，Mask RCNN，RetinaNet等。 1. 环境要求 PyTorch...
【实例分割｜Detectron2】Mask R-CNN 预测超过100个实例
【人工智障 | 计算鸡视觉 | 机器孩】
04-11 9082
问题背景 默认的最大输出实例数量为100，而我的数据集上每张图像的实例数量超过了100。 解决方法 在配置文件中设置每张图像检测数即可。 TEST: DETECTIONS_PER_IMAGE: 300 参考链接 [1] https://github.com/facebookresearch/detectron2/issues/1164 ......
CNN目标检测与分割（一）：Faster RCNN详解
lwq1026的博客
10-19 2926
转自：http://blog.csdn.net/zy1034092330/article/details/62044941 Faster RCNN github : https://github.com/rbgirshick/py-faster-rcnn Faster RCNN paper : https://arxiv.org/abs/1506.01497
detectron2的简介和配置
热门推荐
d948142375的博客
05-14 2万+
detectron2 前言：距离上一篇博客过了两年，几近放弃DL和RL这非常有趣的领域，近日重拾DL，在摸索中打算整理一下深度学习框架，争取做到“探索”和“利用“相统一hhh，还是要紧跟潮流啊。因为重装了一遍服务器并且更新了显卡驱动，很多基础的库需要重新安装。 detectron2简介（以下简称DET2） detectron2是facebook AI research（FAIR）重构detectron的深度学习框架，是2020年最火的深度学习框架（另外还有mmdetection，simplede..
pytorch版faster rcnn配置运行教程
不知小姐
03-19 3033
运行环境：ubuntu18.04+CUDA10.1+python3.6+Pytorch1.2 项目地址： https://github.com/jwyang/faster-rcnn.pytorch 按照README.md文件配置，但是有以下几点在配置过程中需要注意，建议这些都作为参考配合食用，效果更佳 1.下载代码分支 【注】以上的项目地址是源码主分支，支持pytorch-0.4.0，但...
Ubuntu18.04下YOLOv3详解——搭建、训练、测试、评估
夜夜coding到天明的博客
07-29 1万+
YOLOv3——搭建、训练、测试、评估环境搭建模型训练模型测试模型评估插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 环境搭建 我们对Markdown编辑器进行了一些功能拓展与语...
目标检测YOLO实战应用案例100讲-基于超分辨率增强网络的小目标检测系统的研究与实现
qq_36130719的博客
08-20 625
这些目标检测网络已经在当前的大规模检测基准（例如MS COCO[ 4]数据集）中对大、中尺度目标的检测取得了显著的效果，特别是YOLO系列目 标检测器，由于其出色的检测效率与精度，已被广泛的应用于业务实践之中。其次，小目标在经过 多层特征提取后其在深层特征图上的特征信息不全甚至可能完全消失。为了解决这一问 题，目前主流的目标检测器大多采用了类似特征金字塔[5]的思想，将具有强语义信息的 深层特征图通过上采样后与具有弱语义信息的浅层特征图进行融合，并在不同的特征层 上来检测不同尺度的目标。
Detectron-maskrcnn 训练自己的数据集
10-31
Detectron-maskrcnn 训练自己的数据集 数据集为Labelme标注json格式
目标检测YOLO实战应用案例100讲-基于深度学习的实时车道线与目标检测多任务实现（中）
qq_36130719的博客
01-20 277
UFast提出将车道线检测过程看作为在全局特征上基于行方向选择特征锚点， 在行上进行车道点的选择，可以显著降低计算成本[ 17]。并且在全局特征图上使用 一个大的感受野可以更好的理解场景，如图2-9所示。 除分类损失外，进一步提出两个损失函数，由于车道线是连续的，相邻锚点 应该相互靠近，连续性是通过约束分类向量在相邻行锚点的分布来实现的，为了 约束车道点的位置关系，提出了车道线形状损失和结构损失，如公式(2-20)(2-21)从划分的角度而言，在行锚选择上，划分的间距为可变的，在UFast中每隔 10个像素
Mask R-CNN ——Faster R-CNN+ROI Align+FCN (目标检测+语义分割)(two-stage)(深度学习)(ICCV 2017)
星智云图StarImagine
12-06 9438
论文名称：《 Mask R-CNN 》 论文下载：https://arxiv.org/abs/1703.06870 论文代码：https://github.com/facebookresearch/Detectron 一、算法概述： Mask R-CNN是一个实例分割（Instance segmentation）算法，可以用来做“目标检测”、“目标实例分割”、“目标关键点检测”。 目标...
Dtectron2训练自定义实例分割数据集 两个小例子（二）
Hugoui的博客
05-17 741
本例是学习坚果分割数据集的训练 参考： https://zhuanlan.zhihu.com/p/88139849 https://github.com/jinfagang/FruitsNutsSeg Detectron2训练自定义坚果数据集一、数据集下载二、开始训练三、推理 一、数据集下载 wget https://github.com/Tony607/detectron2_instance_segmentation_demo/releases/download/V0.1/data.zip 二、开始
detectron2，手把手教你训练mask_rcnn
qq_39821554的博客
01-07 9611
弄了好几个月，现在终于能训练自己的数据了。 首先 cuda 10.2 PyTorch 1.3.1 labelme 3.18.0 安装PyTorch和labelme 直接 anaconda下面pip就好，之所以不用conda，是因为使用conda下PyTorch不能使用cuda，pip会帮你安装cudatoolkit=10.2。 1、使用labelme整理数据 1.1 使用下面代码重命名图片文件，显...
探索前沿物体检测与实例分割：深入认识Detectron2
gitblog_00070的博客
06-12 970
探索前沿物体检测与实例分割：深入认识Detectron2 Object-Detection-and-Image-Segmentation-with-Detectron2Object Detection and Image Segmentation with Detectron2项目地址:https://gitcode.com/gh_mirrors/ob/Object-Detection-and-...
MaskRcnn-benchmark pytorch下的安装和使用
tlw273211516的博客
03-15 3834
1.安装一个anaconda ... 安装完成后，注意将清华的源加入源 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/p...
Maskrcnn_Benchmark Ubuntu18.04 环境配置踩坑流程
gggttt222的博客
09-20 1383
折腾了两天总算跑通了demo，走了不少弯路。参考了很多文章，这里就不详细一一列出了，就总结一下。 Github : https://github.com/facebookresearch/maskrcnn-benchmark/ 环境： Ubunut 18.04 CUDA 9.0 Anaconda 4.7.12 硬件 GTX 1080TI （*2） 先多一句，装显卡驱动的时候并没有想象的...
ubuntu18.04安装detectron2
03-08
要在Ubuntu 18.04上安装Detectron2，您可以按照以下步骤进行操作： 1. 安装Anaconda或Miniconda 2. 创建一个新的conda环境 3. 安装PyTorch和torchvision 4. 安装COCO API 5. 克隆Detectron2仓库 6. 安装...
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值