获取Detectron2的推理实例并转换成numpy类型

Detectron2的demo/demo.py文件执行了图片、视频、摄像头的推理演示。根据任务需要，我们通常需要把实例(每个框的位置、置信度、类别)都保存下来。

    predictions, visualized_output = demo.run_on_image(img)   # 执行推理
    print('instances:',predictions['instances'])
        # predictions: {'instances': Instances(num_instances=3, image_height=800, image_width=800,
        # fields=[pred_boxes: RotatedBoxes(tensor([[ 666.4870,  503.0547,   32.7376,  172.4621, -160.1855],
        #         [ 393.4711,  393.7946,   20.6047,   93.2997, -166.1729],
        #         [ 385.8673,  307.7052,   11.7523,   44.7904, -158.7525]],
        #        device='cuda:0')), scores: tensor([0.9894, 0.9774, 0.9769],
        #         device='cuda:0'), pred_classes: tensor([1, 1, 1], device='cuda:0')])}
    # 获取预测框信息并转换为numpy:
    instances = predictions['instances']
    pred_boxes = instances.pred_boxes.tensor.to('cpu').numpy()
    # pred_boxes.tensor是因为RotatedBoxes对象的初始化参数叫做tensor
    # 会得到一个如下所示的二维列表，一行代表一个框，分别为cx,cy,w,h,angle
    #[[ 393.4711,  393.7946,   20.6047,   93.2997, -166.1729],
    # [ 385.8673,  307.7052,   11.7523,   44.7904, -158.7525]]
    scores = instances.scores.to('cpu').numpy()
    # 置信度， 如 [0.9894, 0.9774, 0.9769]
    pred_classes = instances.pred_classes.to('cpu').numpy()
    # 类别，如 [1, 1, 0]    

开始弄的时候，不知道怎么根据predictions得到预测框信息，后面单步调试了一下，得到了以上结果，希望可以给做类似任务的码友们节省点时间。