目标检测框架——Dtectron2

前言

目标检测的模型还是很多的，要挨个挨个学还是有点吃力（精力旺盛可忽略），所以这里总结一下当前流行的目标检测的框架：darknet yolov4，mmdetection2.0，detectron2.0。至于这三个框架怎么去选择，我的答案是只有你真正懂了，上手试了这几个框架之后你才能比较它们之间的优劣。

1. Windows10 Dtectron2 配置

我的环境：WIN10，CUDA10.1，cuDNN7.6.4，Anaconda，VS2019（这个必须有），OpenCV3.4.10，GTX1660（6G内存）

1.1 虚拟环境

至于为什么要创建一个虚拟环境，起作用主要有以下几个：

1. 虚拟环境可以搭建独立的python运行环境, 使得单个项目的运行环境与其它项目互不影响。
2. 可以避免一个环境造成得安装包过的多，导致环境加载缓慢。

创建一个没有存在过的虚拟环境：

conda create -n detectron2 python=3.7

激活虚拟环境：

conda activate detectron2

1.2 安装pytorch

conda install pytorch=1.4 torchvision cudatoolkit=10.1

这里pytorch只能是1.4版本的，太低会运行不成功，这也是为什么要创建虚拟环境的原因。

1.3 安装一些依赖包

pip install cython opencv-python pillow  matplotlib termcolor cloudpickle tabulate tensorboard termcolor tqdm yacs mock fvcore pydot wheel future

1.4 修改文件内部的一些参数（非常重要）

1. 修改C:\Users\lee\Anaconda3\envs\mmd2\Lib\site-packages\torch\utils\cpp_extension.py185行：match = re.search(r'(\d+)\.(\d+)\.(\d+)', compiler_info.decode("utf8","ignore").strip())

2. 修改C:\Users\lee\Anaconda3\envs\detectron\Lib\site-packages\torch\include\torch\csrc\jit\argument_spec.h文件中的static constexpr size_t DEPTH_LIMIT = 128; 改成 static const size_t DEPTH_LIMIT = 128;