detectron2使用教程20200824_1

最新推荐文章于 2024-04-22 17:47:19 发布
最新推荐文章于 2024-04-22 17:47:19 发布
阅读量1.4k 收藏 7
点赞数 1
分类专栏： 深度学习DeepLearning
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/liuhaobjtu/article/details/116949257
版权

下载

https://github.com/facebookresearch/detectron2

detectron2-master.zip
我下载的detectron2版本是0.2.1


detectron2_ubuntu.tar.gz就不用测试了,只是安装detectron2环境

重点参考detectron2_train(ubuntu).tar.gz

Installation

深度学习目标检测框架 detectron2 安装流程
https://zhuanlan.zhihu.com/p/106853715

1.新建虚拟环境mydetection_python3.7.3

#新建虚拟环境
conda create --name mydetection_python3.7.3 python=3.7.3

source ~/anaconda3/bin/activate mydetection_python3.7.3

cd /home/liuhao/PycharmProjects/Python_3rdparty

#虽然/Detectron2_download/detectron2-master/docs/requirements.txt写的是torch-1.5.0和torchvision-0.6.0
pip install ./torchvision0.5.0/*.whl	#对应torch-1.4.0

pip install ./opencv-python3.4.6/*.whl

#安装tensorboard
pip install ./tensorflow2.0.0/cachetools-4.1.1-py3-none-any.whl ./tensorflow2.0.0/rsa-4.6-py3-none-any.whl ./tensorflow2.0.0/pyasn1-0.4.8-py2.py3-none-any.whl ./tensorflow2.0.0/pyasn1_modules-0.2.8-py2.py3-none-any.whl ./tensorflow2.0.0/zipp-3.1.0-py3-none-any.whl ./tensorflow2.0.0/importlib_metadata-1.7.0-py2.py3-none-any.whl ./tensorflow2.0.0/oauthlib-3.1.0-py2.py3-none-any.whl ./tensorflow2.0.0/chardet-3.0.4-py2.py3-none-any.whl ./tensorflow2.0.0/idna-2.10-py2.py3-none-any.whl ./tensorflow2.0.0/urllib3-1.25.9-py2.py3-none-any.whl ./tensorflow2.0.0/requests_oauthlib-1.3.0-py2.py3-none-any.whl ./tensorflow2.0.0/requests-2.24.0-py2.py3-none-any.whl ./tensorflow2.0.0/Werkzeug-1.0.1-py2.py3-none-any.whl ./tensorflow2.0.0/six-1.15.0-py2.py3-none-any.whl ./tensorflow2.0.0/google_auth_oauthlib-0.4.1-py2.py3-none-any.whl ./tensorflow2.0.0/wheel-0.34.2-py2.py3-none-any.whl ./tensorflow2.0.0/Markdown-3.2.2-py3-none-any.whl ./tensorflow2.0.0/absl_py-0.9.0-py3-none-any.whl ./tensorflow2.0.0/grpcio-1.30.0-cp37-cp37m-manylinux2010_x86_64.whl ./tensorflow2.0.0/protobuf-3.12.2-cp37-cp37m-manylinux1_x86_64.whl ./tensorflow2.0.0/setuptools-47.3.1-py3-none-any.whl ./tensorflow2.0.0/google_auth-1.18.0-py2.py3-none-any.whl ./tensorflow2.0.0/numpy-1.19.0-cp37-cp37m-manylinux2010_x86_64.whl ./tensorflow2.0.0/tensorboard-2.0.2-py3-none-any.whl


pip install fvcore -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install cython -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install pycocotools -i https://pypi.tuna.tsinghua.edu.cn/simple/


(mydetection_python3.7.3) liuhao@liuhao-Lenovo:~/PycharmProjects/Python_3rdparty$ pip show tensorboard
Name: tensorboard
Version: 2.0.2
Summary: TensorBoard lets you watch Tensors Flow
Home-page: https://github.com/tensorflow/tensorboard
Author: Google Inc.
Author-email: packages@tensorflow.org
License: Apache 2.0
Location: /home/liuhao/anaconda3/envs/mydetection_python3.7.3/lib/python3.7/site-packages
Requires: setuptools, numpy, google-auth, protobuf, werkzeug, google-auth-oauthlib, wheel, absl-py, markdown, grpcio, six, requests
Required-by: 
(mydetection_python3.7.3) liuhao@liuhao-Lenovo:~/PycharmProjects/Python_3rdparty$

/detectron2-master/docs/requirements.txt 仅作为参考，直接进行下一步安装，缺啥需要的库就安装一下

termcolor
numpy
tqdm
docutils==0.16
# https://github.com/sphinx-doc/sphinx/commit/7acd3ada3f38076af7b2b5c9f3b60bb9c2587a3d
git+git://github.com/sphinx-doc/sphinx.git@7acd3ada3f38076af7b2b5c9f3b60bb9c2587a3d
recommonmark==0.6.0
sphinx_rtd_theme
mock
matplotlib
termcolor
yacs
tabulate
cloudpickle
Pillow==6.2.2
future
requests
six
git+git://github.com/facebookresearch/fvcore.git
https://download.pytorch.org/whl/cpu/torch-1.5.0%2Bcpu-cp37-cp37m-linux_x86_64.whl
https://download.pytorch.org/whl/cpu/torchvision-0.6.0%2Bcpu-cp37-cp37m-linux_x86_64.whl

2.安装detectron2

#在/Detectron2_download/detectron2-master文件夹下面打开终端

source ~/anaconda3/bin/activate mydetection_python3.7.3

python3 ./setup.py develop	#我用的这个
或者pip install -e .	#可能需要联网下载安装future;

#==========================================================================
#会在/home/liuhao/anaconda3/envs/mydetection_python3.7.3/lib/python3.7/site-packages/生成:
easy-install.pth:
/home/liuhao/PycharmProjects/DeepLearning_liuhao/Detectron2_download/detectron2-master

detectron2.egg-link


#会在/home/liuhao/PycharmProjects/DeepLearning_liuhao/CenterNet_download/DCNv2/生成:
build文件夹(里面有_C.cpython-37m-x86_64-linux-gnu.so)
detectron2.egg-info文件夹


......

Building wheels for collected packages: fvcore
  Building wheel for fvcore (setup.py) ... done
  Created wheel for fvcore: filename=fvcore-0.1.2.post20200912-py3-none-any.whl size=43994 sha256=6847c087ed04ebd1952672263a971c8b08fb170792ebee3d90fc33b426010712
  Stored in directory: /home/liuhao/.cache/pip/wheels/f7/93/d9/8b0c812517efbb9d22a48b6755a8aed255207d9dbde7f68228
Successfully built fvcore
Installing collected packages: yacs, tabulate, cloudpickle, mock, portalocker, fvcore, future, pydot, detectron2
  Running setup.py develop for detectron2
Successfully installed cloudpickle-1.6.0 detectron2 future-0.18.2 fvcore-0.1.2.post20200912 mock-4.0.2 portalocker-2.0.0 pydot-1.4.1 tabulate-0.8.7 yacs-0.1.8
(mydetection_python3.7.3) liuhao@liuhao-Lenovo:~/PycharmProjects/DeepLearning_liuhao/Detectron2_liuhao/detectron2-master$

pip show detectron2

(mydetection_python3.7.3) liuhao@liuhao-Lenovo:~$ pip show detectron2
Name: detectron2
Version: 0.2.1
Summary: Detectron2 is FAIR's next-generation research platform for object detection and segmentation.
Home-page: https://github.com/facebookresearch/detectron2
Author: FAIR
Author-email: None
License: UNKNOWN
Location: /home/liuhao/PycharmProjects/DeepLearning_liuhao/Detectron2_download/detectron2-master
Requires: termcolor, Pillow, yacs, tabulate, cloudpickle, matplotlib, mock, tqdm, tensorboard, fvcore, pycocotools, future, pydot
Required-by: 
(mydetection_python3.7.3) liuhao@liuhao-Lenovo:~$

Quick Start

#在/Detectron2_download/detectron2-master文件夹下面打开终端

#在mydetectron2_python3.7.3环境中
source ~/anaconda3/bin/activate mydetection_python3.7.3

查看帮助

(mydetection_python3.7.3) liuhao@liuhao-Lenovo:~/PycharmProjects/DeepLearning_liuhao/Detectron2_liuhao/detectron2-master$ python3 ./demo/demo.py -h
usage: demo.py [-h] [--config-file FILE] [--webcam]
               [--video-input VIDEO_INPUT] [--input INPUT [INPUT ...]]
               [--output OUTPUT] [--confidence-threshold CONFIDENCE_THRESHOLD]
               [--opts ...]

Detectron2 demo for builtin models

optional arguments:
  -h, --help            show this help message and exit
  --config-file FILE    path to config file
  --webcam              Take inputs from webcam.
  --video-input VIDEO_INPUT
                        Path to video file.
  --input INPUT [INPUT ...]
                        A list of space separated input images; or a single
                        glob pattern such as 'directory/*.jpg'
  --output OUTPUT       A file or directory to save output visualizations. If
                        not given, will show output in an OpenCV window.
  --confidence-threshold CONFIDENCE_THRESHOLD
                        Minimum score for instance predictions to be shown
  --opts ...            Modify config options using the command-line 'KEY
                        VALUE' pairs
(mydetection_python3.7.3) liuhao@liuhao-Lenovo:~/PycharmProjects/DeepLearning_liuhao/Detectron2_liuhao/detectron2-master$

1.下载配置文件和权重文件

在/maskrcnn-benchmark-models/文件夹里面


在/model_zoo/文件夹里面

2.拷贝配置文件

#必须要使用yaml文件，里面还有其他设置

#===========================================================================
#1.执行一下下面命令，立马结束，会生成/home/liuhao/.torch/fvcore_cache/detectron2/ImageNetPretrained/MSRA/文件夹
python3 ./demo/demo.py --config-file ./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input ../detectron2_liuhao/input/huaxue.jpg


#2.
#在/home/liuhao/.torch/fvcore_cache/detectron2/ImageNetPretrained/MSRA/下面执行
ln -s /home/liuhao/PycharmProjects/DeepLearning_liuhao/Detectron2_download/maskrcnn-benchmark-models/R-50.pkl ./

3.测试四个功能(对应四个权重文件)

注意/Detectron2_download/detectron2-master/detectron2/data/datasets/builtin_meta.py里面的COCO_CATEGORIES

#===========================================================================
#1 目标检测
#这种方式才会在/home/liuhao/.torch/fvcore_cache/detectron2/生成对应文件夹,并拷贝对应权重文件到这个文件夹
python3 ./demo/demo.py --config-file=./configs/COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml --input=../detectron2_liuhao/input/input.jpg --opts MODEL.WEIGHTS detectron2://COCO-Detection/faster_rcnn_R_50_FPN_3x/137257794/model_final_280758.pkl


#这种方式不会生成文件夹
python3 ./demo/demo.py --config-file=./configs/COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml --input=../code_liuhao/input/input.jpg --confidence-threshold=0.8 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_280758.pkl

python3 ./demo/demo.py --config-file=./configs/COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml --input=../code_liuhao/input/1.jpg --confidence-threshold=0.8 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_280758.pkl


#===========================================================================
#2 实例分割
#这种方式才会在/home/liuhao/.torch/fvcore_cache/detectron2/生成对应文件夹,并拷贝对应权重文件到这个文件夹
python3 ./demo/demo.py --config-file=./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input=../detectron2_liuhao/input/input.jpg --opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl


#这种方式不会生成文件夹
python3 ./demo/demo.py --config-file=./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input=../code_liuhao/input/input.jpg --confidence-threshold=0.8 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_f10217.pkl

python3 ./demo/demo.py --config-file=./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input=../code_liuhao/input/1.jpg --confidence-threshold=0.8 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_f10217.pkl

#===========================================================================
#3 关键点检测
#这种方式才会在/home/liuhao/.torch/fvcore_cache/detectron2/生成对应文件夹,并拷贝对应权重文件到这个文件夹
python3 ./demo/demo.py --config-file=./configs/COCO-Keypoints/keypoint_rcnn_R_50_FPN_3x.yaml --input=../detectron2_liuhao/input/input.jpg --opts MODEL.WEIGHTS detectron2://COCO-Keypoints/keypoint_rcnn_R_50_FPN_3x/137849621/model_final_a6e10b.pkl


#这种方式不会生成文件夹
python3 ./demo/demo.py --config-file=./configs/COCO-Keypoints/keypoint_rcnn_R_50_FPN_3x.yaml --input=../code_liuhao/input/input.jpg --confidence-threshold=0.8 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_a6e10b.pkl

python3 ./demo/demo.py --config-file=./configs/COCO-Keypoints/keypoint_rcnn_R_50_FPN_3x.yaml --input=../code_liuhao/input/1.jpg --confidence-threshold=0.8 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_a6e10b.pkl

#===========================================================================
#4 全景分割
#这种方式才会在/home/liuhao/.torch/fvcore_cache/detectron2/生成对应文件夹,并拷贝对应权重文件到这个文件夹
python3 ./demo/demo.py --config-file=./configs/COCO-PanopticSegmentation/panoptic_fpn_R_50_3x.yaml --input=../detectron2_liuhao/input/input.jpg --opts MODEL.WEIGHTS detectron2://COCO-PanopticSegmentation/panoptic_fpn_R_50_3x/139514519/model_final_c10459.pkl


#这种方式不会生成文件夹
python3 ./demo/demo.py --config-file=./configs/COCO-PanopticSegmentation/panoptic_fpn_R_50_3x.yaml --input=../code_liuhao/input/input.jpg --confidence-threshold=0.8 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_c10459.pkl

python3 ./demo/demo.py --config-file=./configs/COCO-PanopticSegmentation/panoptic_fpn_R_50_3x.yaml --input=../code_liuhao/input/1.jpg --confidence-threshold=0.8 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_c10459.pkl


#摄像头
将--input ../code_liuhao/input/huaxue.jpg换成--webcam

python3 ./demo/demo.py --config-file=./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --webcam --confidence-threshold=0.8 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_f10217.pkl



#视频
将--input=../code_liuhao/input/huaxue.jpg换成--video-input=../detectron2_liuhao/input/road.mp4

python3 ./demo/demo.py --config-file=./configs/COCO-Keypoints/keypoint_rcnn_R_50_FPN_3x.yaml --video-input=../../科比0.4秒绝杀热火.mp4 --confidence-threshold=0.8 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_a6e10b.pkl

4.设置–output，生成.png图片

#=======================================================
#检测图片1.jpg
python3 ./demo/demo.py --config-file=./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input=../code_liuhao/input/1.jpg --confidence-threshold=0.8 --output=../code_liuhao/output/result_1 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_f10217.pkl


#=======================================================
#检测图片input.jpg
python3 ./demo/demo.py --config-file=./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input=../code_liuhao/input/input.jpg --confidence-threshold=0.8 --output=../code_liuhao/output/result_input --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_f10217.pkl


#=======================================================
#检测图片huaxue.jpg
python3 ./demo/demo.py --config-file=./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input=../code_liuhao/input/huaxue.jpg --confidence-threshold=0.8 --output=../code_liuhao/output/result_huaxue --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_f10217.pkl


#=======================================================
#检测图片liuhao01.jpeg
python3 ./demo/demo.py --config-file=./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input=../code_liuhao/input/liuhao01.jpeg --confidence-threshold=0.8 --output=../code_liuhao/output/result_liuhao01 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_f10217.pkl


#=======================================================
#检测图片liuhao02.jpeg
python3 ./demo/demo.py --config-file=./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input=../code_liuhao/input/liuhao02.jpeg --confidence-threshold=0.8 --output=../code_liuhao/output/result_liuhao02 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_f10217.pkl


#=======================================================
#检测图片liuhao03.jpeg
python3 ./demo/demo.py --config-file=./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input=../code_liuhao/input/liuhao03.jpeg --confidence-threshold=0.8 --output=../code_liuhao/output/result_liuhao03 --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_f10217.pkl

5.demo脚本说明.py

#用pycharm打开/Detectron2_liuhao/detectron2_liuhao/文件夹
#使用mydetectron2_python3.7.3环境

python3 ./demo脚本说明.py

6.demo自己写的脚本.py(相比于demo脚本说明.py比较简单)

Detectron2安装测试(这里面包含了代码测试)
https://blog.csdn.net/happyday_d/article/details/103484213



#用pycharm打开/Detectron2_liuhao/detectron2_liuhao/文件夹
#使用mydetectron2_python3.7.3环境

python3 ./demo自己写的脚本.py

参考网址

detectron2（目标检测框架）无死角玩转-00：目录
https://blog.csdn.net/weixin_43013761/article/details/104006026

接下来，我会为大家无死角的解析detectron2(基于pytorch的目标检测框架)，之前的文章，如下(以下是我工作的所有项目，每一个项目都是，我都做了百分百的详细解读，随着项目增多，为了方便不臃肿，所以给出以下链接)
视觉工作项目-为后来的你，提供一份帮助！

我相信，关于detectron2(基于pytorch的目标检测框架)的讲解，我的这一系列博客或许不是国内最早的，但是肯定是最详细的，废话就不多说了，我们直接开始吧！

（01）detectron2（目标检测框架）无死角玩转-01：框架安装，以及demo测试：https://blog.csdn.net/weixin_43013761/article/details/104022615

（02）detectron2（目标检测框架）无死角玩转-02：训练，测试coco数据：https://blog.csdn.net/weixin_43013761/article/details/104027656

（03）detectron2（目标检测框架）无死角玩转-03：配置config解析-实时更新：https://blog.csdn.net/weixin_43013761/article/details/104030359

（04）detectron2（目标检测框架）无死角玩转-04：训练自己的数据：https://blog.csdn.net/weixin_43013761/article/details/104032429

（05）detectron2（目标检测框架）无死角玩转-05：源码详解（1）-总体架构分析：https://blog.csdn.net/weixin_43013761/article/details/104043605

（06）detectron2（目标检测框架）无死角玩转-06：源码详解（2）-Trainer继承关系，Hook：https://blog.csdn.net/weixin_43013761/article/details/104092658

（07）detectron2（目标检测框架）无死角玩转-07：源码详解（3）-模型构建-RetinaNet为例：https://blog.csdn.net/weixin_43013761/article/details/104098263

（08）detectron2（目标检测框架）无死角玩转-08：源码详解（4）-数据预处理，数据增强：https://blog.csdn.net/weixin_43013761/article/details/104106792

（09）detectron2（目标检测框架）无死角玩转-09：源码详解（5）-anchor生成：https://blog.csdn.net/weixin_43013761/article/details/104194978

（10）detectron2（目标检测框架）无死角玩转-10：源码详解（6）-anchor的使用，loss计算：https://blog.csdn.net/weixin_43013761/article/details/104714022



#======================================================================================
detectron2（目标检测框架）无死角玩转-01：框架安装，以及demo测试（winds + linux）
https://blog.csdn.net/weixin_43013761/article/details/104022615

#在/detectron2-master文件夹下面打开终端
source ~/anaconda3/bin/activate mydetectron2_python3.7.3

python3 ./demo/demo.py --config-file ./configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input ../code_liuhao/input/input1.jpg --opts MODEL.WEIGHTS ../../Detectron2_download/model_zoo/model_final_f10217.pkl
魔方研究生
关注
  • 1
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
detectron2 cuda编译源文件适合windows系统
06-22
7. **修改Makefile**: 在Windows上，Detectron2通常使用CMake来构建。你需要修改Makefile，使其适应Windows环境，包括指定正确的Python路径、CUDA路径和C++编译器。 8. **运行CMake和编译**: 使用CMake图形界面或者...
detectron2_maskrcnn_cihp_finetune.pth
05-13
a finetuned cascade_mask_rcnn_X_152_32x8d_FPN_IN5k_gn_dconv model on CIHP dataset with human instance mask in Self-Correction-Human-Parsing project
detectron2 框架学习
越努力，越幸运
08-16 906
介绍 Detectron2是Facebook AI Research的下一代软件系统，它实现了最先进的目标检测算法。它是对先前版本Detectron的彻底重写，它源于maskrcnn-benchmark。 新增功能 Pythorch深度学习框架提供支持。 包括更多的功能：panoptic segmentation, densepose, Cascade R-CNN, rotated bounding boxes 可以用作库来支持其上的不同项目 训练得更快 Installation Bui...
detectron2教程
热门推荐
sophia_xw的博客
10-25 1万+
教程 install getting_started extend datasets 中文博客 github地址 data_loading write-models 中文博客 github地址 models 中文博客 github地址 training 中文博客 github地址 configs 中文博客 github地址 边学边记 detectron2安装...
Windows11安装detectron2全流程记录帖（含torch安装）
最新发布
weixin_43907922的博客
04-22 2345
本文主要介绍windows系统下安装detectron2的全流程，包括环境搭建、torch安装、detectron2安装以及本人安装过程中遇到的bug及相应解决办法。
windows 10编译安装detectron2（0.2.1）
qq_35030874的博客
05-17 3106
windows 10编译安装detectron2（0.2.1） 目前官方git上暂不提供win10配置detectron2框架过程，记录一下配置过程。 win10环境下编译安装detectron2（0.2.1） 基础环境 anaconda3 pytorch1.6 python 3.6 cuda10.2 vs2019
windows10上安装detectron2(0.2.1) + pytorch1.5.1 + CUDA10.1
人生虚空
10-19 2572
0. 安装NVIDIA显卡驱动, 安装CUDA(因为底层需要用到c++编译deformable conv层) 注意: 由于后面用conda安装pytorch会安装conda的cudatoolkit包, 需要确保cudatoolkit和这里安装的本地CUDA版本一致(比如下面装的是CUDA10.1, 这里也要装CUDA10.1) 1. 根据NVIDIA显卡驱动确定自己可以安装的CUDA版本以及pytorch版本 上图来自cuda-toolkit-release-notes 比如...
安装detectron2记录
Bankeey的博客
06-08 465
安装pytorch：选择对应版本 由于服务器网络问题，pip命令安装时速度非常慢，选择分别去网站： 下载两个文件： torchvision-0.6.0+cu101-cp36-cp36m-linux_x86_64.whl torch-1.5.0+cu101-cp36-cp36m-linux_x86_64.whl 下载完成后传到服务器，安装这两个文件： pip3 install torch-1.5.0+cu101-cp36-cp36m-linux_x86_64.whl torchvisio.
detectron2_object_detection
04-06
Detectron2对象检测使用detectron2训练自定义模型需要进行一些调整。 注册自定义数据集和元数据。 添加增强。 添加代码以评估您的模型。 创建钩子以打印验证丢失并保存最佳模型。 该笔记本可以完成所有这些工作，...
detectron2官方代码
04-17
1. 数据集准备：Detectron2支持多种常用数据集，如COCO、VOC等。你需要按照指定格式将数据集组织好，包括图像文件和对应的标注文件。 2. 配置文件修改：Detectron2的训练和评估过程由配置文件控制。这些配置文件...
detectron2源码_conda包_torch包下载地址.txt
04-25
由于文件较大，里面提供了下载地址。包含内容：detectron2代码+conda依赖包+测试模型+torch包。代码已经配置好，配置好环境应该直接能运行
pytorch_classification：利用pytorch实现图像分类的一个完整的代码，训练，预测，TTA，模型融合，模型部署，cnn提取特征，svm或者随机森林等进行分类，模型蒸馏，一个完整的代码
02-05
pytorch_classification 利用pytorch实现图像分类，其中包含的密集网，resnext，mobilenet，efficiencynet，resnet等图像分类网络，可以根据需要再行利用torchvision扩展其他的分类算法 实现功能 基础功能利用pytorch实现图像分类 包含带有warmup的cosine学习率调整 warmup的step学习率优调整 多模型融合预测，修正与投票融合 利用flask实现模型云端api部署 使用tta测试时增强进行预测 添加label smooth的pytorch实现（标签平滑） 添加使用cnn提取特征，并使用SVM，RF，MLP，KN
系统学习detection源码解读-1
thehappysheep的博客
08-24 1668
知乎比较好的教程https://zhuanlan.zhihu.com/c_1159526395804725248 0.首先安装 https://zhuanlan.zhihu.com/p/88191447 应为官方不支持windows版本的，安装起来比较费劲。安装时候注意这个mmdetection和mmcv的版本匹配问题。 工程结构，红圈是主要文件。 1.mmdetection API 测试2 from mmdet.apis import init_detector, inference_.
使用Detectron2目标检测&特征提取
qq_42283621的博客
09-06 1630
官网githubFaster R-CNN原论文R-CNN Fast R-CNN Faster R-CNN视频讲解Detectron2是Facebook AI Research的下一代库，提供最先进的检测和分割算法。它是Detectron和maskrcnn-benchmark的继承者。它支持Facebook中的许多计算机视觉研究项目和生产应用。演示为ubuntu16.04下cpu版本的安装和使用。
detectron2 配置与使用
BelisariusM的博客
08-26 3975
detectron2 的配置与使用下载与配置数据集注册和训练的准备Training查看标注好的图片 下载与配置 github地址 https://github.com/facebookresearch/detectron2 官方文档 https://detectron2.readthedocs.io/en/latest/index.html 环境 python >=3.6 pytorch >=1.7 torchvision opencv （训练不需要，但使用
【CV with Pytorch】第 6 章 ：姿态估计
sikh_0529的博客
02-14 2953
构建自定义函数来绘制预测的关键点和身体骨架（通过连接关键点）。# 绘制输入图像的关键点和骨架的函数# 从彩虹光谱中初始化一组颜色\# 创建图像的副本# 从光谱中选择一组 N 个颜色 ID# 对检测到的每个人进行迭代# 检查检测到的人的置信度分数# 抓取检测到的人的关键点位置# 获取关键点的关键点分数# 迭代每个关键点分数# 检查检测到的关键点的置信度分数# 将关键点浮点数组转换为 python 整数列表# 在指定的 color-id 处选择颜色# 在关键点位置画一个圆圈。
detectron2安装及测试
lys07962000的专栏
01-28 1613
Pytorch 的安装 https://blog.csdn.net/qq_23013309/article/details/103965619 提示版本支持 pip3 install torch-1.7.1-cp38-cp38-win_amd64.whl pip3 install torchvision-0.8.2-cp38-cp38-win_amd64.whl Detectron2安装 参考 https://blog.csdn.net/weixin_42644340/article/details/10
CV之detectron2：detectron2安装过程记录
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
01-08 8290
CV之detectron2：detectron2安装过程记录 detectron2安装记录 python setup.py build develop Microsoft Windows [版本 10.0.14393] (c) 2016 Microsoft Corporation。保留所有权利。 F:\File_Python\Python_example\detectron2...
Windows11安装Detectron2（附详细操作指南）
iracer的博客
07-13 8026
Detectron2 是 Facebook AI Research 的下一代目标检测库，可提供最先进的检测和分割算法。 它是 Detectron 和 maskrcnn-benchmark 的继任者。它支持 Facebook 中的许多计算机视觉研究项目和生产应用程序。现在也有越来越多的模型基于detectron2构建或部署。下面是框架模型能实现的基本效果。 由于detectron2 官方不支持Windows系统，所以在windows系统上安装有些坑需要注意，本文介绍在**windows11**系统上**安装
detectron2使用教程
07-27
Detectron2是一个由Facebook AI Research开发的检测和分割框架，它基于PyTorch实现，并具有更模块化的设计，使其更加灵活和易于扩展。你可以通过以下步骤来使用Detectron2： 1. 下载Detectron2到本地。你可以使用以下命令将Detectron2克隆到本地： ``` git clone https://github.com/facebookresearch/detectron2.git ``` 或者你也可以使用以下命令： ``` git clone https://github.com/facebookresearch/detectron2.git cd detectron2 python setup.py build develop ``` 2. 安装Detectron2。你可以使用以下命令安装Detectron2的依赖项： ``` python -m pip install -e detectron2 ``` 3. 自定义数据集。如果你想使用自己的数据集进行训练和测试，你需要将数据集转换为COCO格式。关于COCO格式的详细信息可以在Detectron2的文档中找到。 以上是使用Detectron2的基本步骤。你可以参考Detectron2的GitHub库和Meta AI博客文章获取更多详细信息和使用教程。\[1\]\[2\]\[3\] #### 引用[.reference_title] - *1* *2* *3* [深度学习 | Detectron2使用指南](https://blog.csdn.net/qq_43701912/article/details/123590274)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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