Detectron：用自己训练好的模型进行测试

Detectron：用自己训练好的模型进行测试

1.软件环境

2.问题描述

附：可视化试结果

---

1.软件环境

   博主的环境如下：

Ubuntu 16.04 LTS

CUDA 9.0

cuDNN 7.0.3

Python  3.6.3

2.问题描述

        上篇文章提到了把自己的数据标注格式转换为Detectron需要的COCO格式：

    Detectron：训练自己的数据集——将自己的数据格式转换成COCO格式https://blog.csdn.net/qq_15969343/article/details/80848175

        趁今天模型已经训练出来，还是热乎乎的，赶紧来记录一下~~

        主要使用以下命令：

python2 tools/test_net.py \
    --cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml（这里填写你的配置文件） \
    TEST.WEIGHTS （这里填写你的权重的路径）

        这样得到的是一系列Bbox坐标，并保存在一个json中，如果需要可视化，可以加上：--vis参数；

        在使用该命令前，你需要将路径设置为指向自己的数据集，修改dataset_catalog.py里的测试路径为自己的路径：

        之前说了，自定义自己的数据集比较繁琐，所以推荐使用Detectron自带的COCO数据集名称，并将自己的数据集转化为COCO数据集的格式，因此图方便的话，可以直接不改上面的路径，而是在上面的路径下放置自己的图片~~

        接着输入命令之后，它会报错，说没有上面测试文件的json，因此你需要看之前的文章，生成测试文件的json文件，该json文件只需要包含你的类别以及图片的ID等属性即可，具体根据之前写的文章自己改：

Detectron：训练自己的数据集——将自己的数据格式转换成COCO格式https://geo-ai.blog.csdn.net/article/details/80848175?spm=1001.2014.3001.5502

这下子就大功告成啦:

附：可视化试结果