如何在github上下载yolact源代码并测试

 

目录

一、下载YOLACT代码及预训练权重文件 

二、图像、视频测试 

2.1 图像输入测试

2.2 视频输入测试

---

一、下载YOLACT代码及预训练权重文件 

        要在GitHub上下载YOLACT源代码，首先你需要会翻墙，不然登录Github会很慢，假设你已经会这一步，那么直接看下面。
        给出YOLACT代码下载链接：https://github.com/dbolya/yolact/
        进入链接后，你会看到如下界面。

我们按照如下图所示步骤下载项目文件。 

 解压项目文件夹

使用pycharm打开解压后的项目文件夹。

• 进入项目目录.\yolact-master\

• 下载 预训练权重 至.\yolact-master\weights\文件夹。预训练权重所在位置为：https://github.com/dbolya/yolact/

二、图像、视频测试 

2.1 图像输入测试

• 将自己的测试图像放在该目录下.\yolact-master\test.jpg，test.jpg如下所示。

• 执行命令

 官方给出的图片测试命令如下所示：

# Display qualitative results on the specified image.
python eval.py --trained_model=weights/yolact_base_54_800000.pth --score_threshold=0.15 --top_k=15 --image=my_image.png

# Process an image and save it to another file.
python eval.py --trained_model=weights/yolact_base_54_800000.pth --score_threshold=0.15 --top_k=15 --image=input_image.png:output_image.png

# Process a whole folder of images.
python eval.py --trained_model=weights/yolact_base_54_800000.pth --score_threshold=0.15 --top_k=15 --images=path/to/input/folder:path/to/output/folder

1.第一条命令用于测试具体的图片（一张图片），处理后的图片不保存成文件，如下所示。

python eval.py --trained_model=weights/yolact_base_54_800000.pth --score_threshold=0.15 --top_k=15 --image=test.jpg  

 得到结果如下图所示。

 

2.第二条命令用于处理一张图片并且将处理后的图片保存成指定文件。
我们在pycharm中的Terminal中输入以下指令：

python eval.py --trained_model=weights/yolact_base_54_800000.pth --score_threshold=0.15 --top_k=15 --image=test.jpg:output_test.jpg 

将test.jpg图片进行处理并将处理后的图片保存为out_put.jpg。 

3.第三条命令用于处理一批图片。

         我们在项目文件夹中创建名为test_data文件夹，在该文件夹中创建名为input以及output的文件夹。

 

        在input文件夹中放入我们要测试的图片， 我们在input文件夹中放入两张图片，当然也可以放更多的图片。

 

运行下述指令：

python eval.py --trained_model=weights/yolact_base_54_800000.pth --score_threshold=0.15 --top_k=15 --images=test_data/input:test_data/output

运行结果： 

我们在output文件夹中就可以看到处理后的图片啦！

2.2 视频输入测试

        官方提供了三条指令，如下所示： 

# Display a video in real-time. "--video_multiframe" will process that many frames at once for improved performance.
# If you want, use "--display_fps" to draw the FPS directly on the frame.
python eval.py --trained_model=weights/yolact_base_54_800000.pth --score_threshold=0.15 --top_k=15 --video_multiframe=4 --video=my_video.mp4

# Display a webcam feed in real-time. If you have multiple webcams pass the index of the webcam you want instead of 0.
python eval.py --trained_model=weights/yolact_base_54_800000.pth --score_threshold=0.15 --top_k=15 --video_multiframe=4 --video=0

# Process a video and save it to another file. This uses the same pipeline as the ones above now, so it's fast!
python eval.py --trained_model=weights/yolact_base_54_800000.pth --score_threshold=0.15 --top_k=15 --video_multiframe=4 --video=input_video.mp4:output_video.mp4

 第一条指令用于处理一个视频，但不会将处理后的文件进行保存。

第二条指令用于网络摄像头测试。

第三条指令用于处理一个视频，然后将处理后的视频保存成文件。

待更新！！！