衔接上篇文章，手打几行代码验证mmdet安装是否成功

爱宇小菜涛

已于 2023-05-22 21:35:49 修改

阅读量571

点赞数 2

文章标签： python 深度学习目标检测 conda

于 2023-05-21 22:20:13 首次发布

本文链接：https://blog.csdn.net/m0_66988867/article/details/130797603

版权

该教程指导如何在PyCharm中利用预配置的OpenMMLab环境来操作mmdetection项目。首先，选择并下载YOLOF模型的配置和参数。然后，通过mimsearch和mimdownload命令获取模型文件。接着，提供了一个示例脚本test_mmdet.py，该脚本加载模型，对demo.jpg图像进行推理，并显示检测结果。成功运行后，将显示带有检测框和置信度的图像，表明环境配置正确。

摘要由CSDN通过智能技术生成

此教程需要在pycharm中新建一个项目，环境选择上篇文章配置好的openmmlab环境

1.查看模型与下载模型参数与配置

首先，在mmdetection项目中选择自己想用的模型，下图所示：

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

以yolof为例，在终端输入：

mim search mmdet --model yolof

如果没有安装openmim包就无法使用上述命令，可以先pip install openmim，便可以使用，终端输出结果如下：

在这里可以得到yolof的config id，复制此id用于下载模型的configs与参数。

继续在终端输入命令：mim download mmdet --config yolof_r50_c5_8x8_1x_coco --dest .

下载后的结果如下：

2.demo演示：

demo.jpg是从mmdetection项目的demo文件夹中下载得到

在新建的test_mmdet.py文件中输入以下代码：

import mmcv
from mmdet.apis import init_detector, inference_detector
from mmdet.utils import register_all_modules
from mmdet.registry import VISUALIZERS
config_file = 'yolof_r50_c5_8x8_1x_coco.py'
checkpoint_file = 'yolof_r50_c5_8x8_1x_coco_20210425_024427-8e864411.pth'
register_all_modules()
model = init_detector(config_file, checkpoint_file, device='cpu') # or device='cuda:0'
img=mmcv.imread('demo.jpg')
result=inference_detector(model, img)
visualizer=VISUALIZERS.build(model.cfg.visualizer)
visualizer.dataset_meta = model.dataset_meta
visualizer.add_datasample(
    'result',
    img,
    data_sample=result,
    draw_gt=False,
    wait_time=0,
)
visualizer.show()

运行结果如下：