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。