mmdetection安装

商汤科技（2018 COCO 目标检测挑战赛冠军）和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection，支持Faster-RCNN，Mask-RCNN，Fast-RCNN等主流的目标检测框架，现在又加入Cascade-RCNN、SSD以及其他一系列目标检测框架。目前没有yolo的计划hhh。

相比于Facebook开源的Detectron框架，作者声称mmdetection有三点优势：performance稍高、训练速度稍快、所需显存稍小。

项目需要，这个项目开源的时间又比较短，相关教程比较少啦，就记录下自己踩的坑给别人铺路吧。

本人的系统环境：

Ubuntu 16.04
Cuda 9.0 + Cudnn 7.1.3
Python 3.6 （mmdetection要求Python版本需要3.4+）
Anaconda 3 （可选）
这里推荐大家使用Anaconda，可以比较方便的创建Python虚拟环境，避免不同的Python库之间产生冲突。在安装mmdetection之前，需要安装以下几个依赖库：

PyTorch 0.4.1 和 torchvision
Cython
mmcv

下面是我的安装和测试步骤，以Anaconda 3为例。

1.安装anaconda3 

这里官网https://www.anaconda.com/download/#linux 找对应的python版本即可，down下来之后 bash下载下来的.sh文件。

然后一路yes 即可。现在的版本自动加入~/.bashrc中，不需要手动添加路径啦。

下载包的过程很慢，因为默认是国外的源。推荐换源。不要用清华的源，反正我清华的源下着下着老是down掉了，用中科大的源。

sudo gedit ~/.condarc

然后替换下面的代码：

channels:
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
  - https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
show_channel_urls: true

保存后source一下即可。

2. 使用conda创建Python虚拟环境，这样就创建了名为mmdetection的Python3.6环境，并且在terminal中激活

conda create -n mmdetection python=3.6
source activate mmdetection

3. 安装pytorch0.4.1 gpu版本，这里pytorch0.4.1 官网已经找不到了 需要翻墙才能找到 所以不建议pip安装，conda安装比较稳，反正我是被坑的 清华的源下载pytorch老是崩，pip方法又装不上，可以说来来回回折腾了好几遍了。 github mmdetection上说现在也支持1.0的了。没有人去弄过我不想当第一个吃螃蟹的人 就只在这里贴一下，如果有人实在想用pytorch1.0的话。

https://github.com/open-mmlab/mmdetection/pull/157

不想的话老老实实按照下面安装0.4.1吧。

conda install pytorch=0.4.1 torchvision -c pytorch

安装好以后，进入Python环境，输入以下代码测试是否安装成功，不报错则说明安装成功

import torch
import torchvision

在这里有一个困了我一天的天坑 ， 我import torch的时候报了下面的错

>>> import torch
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/Users/szagoruyko/anaconda/lib/python2.7/site-packages/torch/__init__.py", line 1, in <module>
    from torch._C import *
ImportError: dlopen(/Users/szagoruyko/anaconda/lib/python2.7/site-packages/torch/_C.so, 2): Symbol not found: _THRefcountedMapAllocator
  Referenced from: /Users/szagoruyko/anaconda/lib/python2.7/site-packages/torch/lib/libshm.dylib
  Expected in: /Users/szagoruyko/torch/install/lib/libTH.dylib
 in /Users/szagoruyko/anaconda/lib/python2.7/site-packages/torch/lib/libshm.dylib

(上述来自github的描述，我的报错忘记截图了)

 网上给的一个最相关的解答竟然是重装conda或者降回到torch0.4.0 可是mmdetection必须要求0.4.1啊！ 我就傻傻的重装了好几次 带着中科大的源也偶尔下载失败，耗了一天，最后在github上找到解答。是机器之前有人装过detectron，里面装过pytorch，在~/.bashrc中加入了 pytorch的 PATH，导致冲突，注释掉之前的即可。

4.安装cython

conda install  cython

5.安装mmcv

git clone https://github.com/open-mmlab/mmcv.git
cd mmcv
pip install .

注意pip install 后面有个点，别漏了

6.安装mmdetection

git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
./compile.sh
python setup.py install

到此，我们就完成了mmdetection及其依赖库的安装

7.测试demo

将下方的代码写入py文件，并存放到mmdetection文件夹目录下，然后运行。该代码的功能是检测图片中的目标，测试模型是官方给出的Faster-RCNN-fpn-resnet50的模型，运行代码会自动下载模型。由于模型是存储在亚马逊云服务器上，速度可能会稍慢。

import mmcv
from mmcv.runner import load_checkpoint
from mmdet.models import build_detector
from mmdet.apis import inference_detector, show_result

cfg = mmcv.Config.fromfile('configs/faster_rcnn_r50_fpn_1x.py')
cfg.model.pretrained = None

# 构建网络，载入模型
model = build_detector(cfg.model, test_cfg=cfg.test_cfg)

_ = load_checkpoint(model, 'https://s3.ap-northeast-2.amazonaws.com/open-mmlab/mmdetection/models/faster_rcnn_r50_fpn_1x_20181010-3d1b3351.pth')

# 测试一张图片
img = mmcv.imread('test.jpg')
result = inference_detector(model, img, cfg)
show_result(img, result)

结果：