[win 10] maskrcnn-benchmark 上手（3）—— faster-rcnn 推理

全系列
[win 10] maskrcnn-benchmark 上手（1）——配置环境与coco数据集介绍
[win 10] maskrcnn-benchmark 上手（2）——开始训练
[win 10] maskrcnn-benchmark 上手（3）—— faster-rcnn 推理

0.配置

1.推断

运行test_net.py

2020-04-03 11:52:17,543 maskrcnn_benchmark.inference INFO: Start evaluation on coco_2017_val dataset(5000 images).
100%|██████████| 1251/1251 [09:34<00:00,  2.18it/s]
2020-04-03 12:01:52,155 maskrcnn_benchmark.inference INFO: Total run time: 0:09:34.612641 (0.11492252826690674 s / img per device, on 1 devices)
2020-04-03 12:01:52,155 maskrcnn_benchmark.inference INFO: Model inference time: 0:09:18.700329 (0.11174006581306457 s / img per device, on 1 devices)
2020-04-03 12:01:52,466 maskrcnn_benchmark.inference INFO: Preparing results for COCO format
2020-04-03 12:01:52,467 maskrcnn_benchmark.inference INFO: Preparing bbox results
2020-04-03 12:01:53,621 maskrcnn_benchmark.inference INFO: Evaluating predictions

在推断完之后会保存一个json，注意，此时没有可视化图像。test_net的脚本会自动对训练结果进行评估。

inference的时候也可以选择apex。这里测试一下apex在inference下有没有作用：（训练一晚上，相同的模型）。速度确实有快一些，但不至于两倍那么夸张。

• 没有apex
  AP, AP50, AP75, APs, APm, APl
  0.2119, 0.3941, 0.2075, 0.1113, 0.2246, 0.2776

• 有apex
  AP, AP50, AP75, APs, APm, APl
  0.2120, 0.3941, 0.2072, 0.1113, 0.2248, 0.2769

2.可视化

好像没有专门可视化的脚本，官网也没说明这部分。但是demo中有，我们可以在里面进行可视化。demo/Mask_R-CNN_demo.ipynb。这是我训练一晚上（单卡）的样子~ 感觉还不错。

Reference