MMDetection学习笔记-02使用已有模型在标准数据集上进行推理

下列内容参照官网

• 使用现有模型进行推理
  推理是指使用训练好的模型来检测图像上的目标。
  在 MMDetection 中，一个模型被定义为一个配置文件和对应的存储在 checkpoint 文件内的模型参数的集合。
  这里以Faster R-CNN为例子，下载config_file和checkpoint_file两个文件。
  下面是建立模型和在图像或视频上进行推理的例子：

# encoding:utf-8
from mmdet.apis import init_detector, inference_detector
import mmcv
if __name__ == '__main__':
    config_file = '../configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
    checkpoint_file = '../checkpoints/faster_rcnn/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'
    # 根据配置文件和 checkpoint 文件构建模型
    model = init_detector(config_file, checkpoint_file, device='cuda:0')
    # 测试单张图片并展示结果
    img = 'demo.jpg'  # 或者 img = mmcv.imread(img)，这样图片仅会被读一次
    result = inference_detector(model, img)
    # 在一个新的窗口中将结果可视化
    model.show_result(img, result)
    # 或者将可视化结果保存为图片
    model.show_result(img, result, out_file='demo_result.jpg')