跑通MMDetection的MaskRCNN

最新推荐文章于 2025-03-16 23:28:37 发布

lzAllen

最新推荐文章于 2025-03-16 23:28:37 发布

阅读量2.4k

点赞数

分类专栏： pytorch 目标检测文章标签：计算机视觉图像识别深度学习

本文链接：https://blog.csdn.net/lzAllen/article/details/109455403

版权

目标检测同时被 2 个专栏收录

5 篇文章

订阅专栏

pytorch

2 篇文章

订阅专栏

本文介绍初次跑通MMDetection的MaskRCNN的过程。包括跑demo，新建脚本并在终端输入命令；训练时修改coco数据集路径，解压相关压缩包；测试时将训练模型放指定文件夹，输入命令并加上测试指标bbox和segm。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

初次跑通MMDetection的MaskRCNN

Demo

惯例先跑一下demo，新建一个HellowMMDection.py，将这个脚本放在./demo中去:

# Check Pytorch installation
import torch, torchvision
print(torch.__version__, torch.cuda.is_available())

# Check MMDetection installation
import mmdet
print(mmdet.__version__)

# Check mmcv installation
from mmcv.ops import get_compiling_cuda_version, get_compiler_version
print(get_compiling_cuda_version())
print(get_compiler_version())
from mmdet.apis import inference_detector, init_detector, show_result_pyplot

# Choose to use a config and initialize the detector
config = 'configs/mask_rcnn/mask_rcnn_r50_fpn_1x_coco.py'
# Setup a checkpoint file to load
checkpoint = 'checkpoints/mask_rcnn_r50_fpn_1x_coco_20200205-d4b0c5d6.pth'
# initialize the detector
model = init_detector(config, checkpoint, device='cuda:0')
# Use the detector to do inference
img = 'demo/demo.jpg'
result = inference_detector(model, img)
# Let's plot the result
show_result_pyplot(model, img, result, score_thr=0.3)

然后在终端输入，就能跑通demo了，输出下面的图片:

./mmdetection$ python ./demo/hellowworld.py

Train

修改coco_instance.py下面的coco数据集的路径data_root，换成自己的coco数据集的路径：

将注释压缩包，train图片和val图片的压缩包解压放在coco/里面，就像下面的文件路径一样:

然后就能开始train了

python ./tools/train.py configs/mask_rcnn/mask_rcnn_r50_fpn_1x_coco.py

Test

训练完毕之后将训练出来的模型放在项目根目录下的checkpoints文件夹下，输入下面的命令就能开始test了，注意后面加上需要测试输出的指标bbox和segm

python ./tools/test.py configs/mask_rcnn/mask_rcnn_r50_fpn_1x_coco.py checkpoints/mask_rcnn_r50_fpn_1x_coco_20200205-d4b0c5d6.pth --eval bbox segm