mmdetection环境配置，安装及demo检测

1.简介

mmdetection是一个基于PyTorch的开源对象检测工具箱，它提供了已公开发表的多种视觉检测核心模块，通过这些模块的组合，可以迅速搭建出各种著名的检测框架。

2.mmdetetion下载

https://github.com/open-mmlab/mmdetection

从上面给出的网址进行mmdetection压缩包的下载，下载完成后解压，在相应的文件夹里有一个docs文件夹，里面有一个get_started.md文件，打开get_started.md，里面是一些环境配置的要求和安装步骤。

 3.环境配置

首先我们创建一个虚拟环境，并激活该环境

conda create -n open-mmlab python=3.7 -y
source activate open-mmlab

安装torch环境

从get_started.md文件中我们可以看到其要求python版本要大于3.6，pytorch要大于1.3，cuda要大于9.2，这里我们进入PyTorch官网：https://pytorch.org/选择合适的版本进行命令安装。

例如我这里选用的是pytorch1.5，cuda10.1

# CUDA 10.1
conda install pytorch==1.5.1 torchvision==0.6.1 cudatoolkit=10.1 -c pytorch

4.安装

首先安装mmcv，注意我们这里应当安装mmcv-full。同样是在get_started.md文件中我们可以看到安装mmcv-full的命令

由于pytorch和cuda版本不同，我输入的命令为

pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.5.0/index.html

安装mmdetection需要的扩展包

pip install -r requirements.txt

 这里需要注意：我们还要安装一个cocoAPI，在github官网直接搜索cocoAPI，选择第一个搜索结果进行压缩包下载，解压压缩包，进入里面的pythonAPI，执行以下命令进行安装

pip install -v -e.

如果你想验证自己是否安装成功，可以输入conda list进行查看。

conda list

如果出现pycocotools，则说明你的cocoAPI安装好了。

最后我们在mmdetection-master主文件夹里进行mmdetection的安装，执行以下命令。

python setup.py develop
#或者
pip install -v -e.

执行完成之后，同样我们可以输入conda list进行查看，如果出现mmdet则说明安装成功。

5.运行demo进行检测

 在运行demo之前，我们需要下载相应模型的权重文件，权重文件的下载链接我们可以在mmdetection-master/configs/faster-rcnn/README.md中可以找到（因为我这里选用的是faster-rcnn网络，选择其他的网络，进入configs里面的不同文件夹即可）

 选择你想使用的网络的权重文件，复制[model]后面的链接，打开链接可以直接进行下载，下载完成后在mmdetection-master里面新建一个文件夹checkpoints，将权重文件放入checkpoints文件夹里,完成之后输入以下命令：

python demo/image_demo.py demo/demo.jpg configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth

 弹出上面的图片，说明你的mmdetection已经100%安装正确了。