mmdetection安装与测试
**MMDetection 是一个基于 PyTorch 的目标检测开源工具箱。它是 OpenMMLab 项目的一部分,支持了众多主流的和最新的检测算法,例如 Faster R-CNN,Mask R-CNN,RetinaNet 等。
mmdetection网址
环境安装
mmdetection提供了详细的快速入门指南。
1.首先创建一个虚拟环境,并激活
conda create -n open-mmlab python=3.7 -y #创建名为open-mmlab的虚拟环境,Python 3.6+
conda activate open-mmlab #激活环境
2.安装pytorch,要确保安装对应CUDA版本的pytorch
查看CUDA版本,打开终端,输入下面命令:
>>cat /usr/local/cuda/version.txt
CUDA Version 10.1.105 #我的CUDA版本是10.1
故安装pytorch命令如下:该命令安装PyTorch =1.5
conda install pytorch cudatoolkit=10.1 torchvision -c pytorch
3.安装mmcv-full
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/{cu_version}/{torch_version}/index.html
{cu_version}/{torch_version}为对应的CUDA版本和Pytorch版本,如我的cuda=10.1,pytorch=1.5.0,命令如下:
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.5.0/index.html
4.克隆MMDetection存储库
git clone https://github.com/open-mmlab/mmdetection.git
cd mmdetection
5.安装mmdetection要求的包
mmdetection将需要安装的其他工具包写进了requirements/build.txt
pip install -r requirements/build.txt
pip install -v -e . # or "python setup.py develop"
到这里mmdetection就安装完成了,下面进行进一步的测试检验。
测试验证
在demo文件夹下提供了测试图片和视频的.py文件。
1.首先在克隆到本地的mmdetection文件下新建checkpoints文件夹,用来存放训练好的模型。
2.下载训练好的模型。本文使用faster_rcnn模型,faster_rcnn模型下载其他模型下载如,yolo、mask_rcnn等,可在官方网站上已支持的算法中找到。将下载的模型放在checkpoints文件夹下。
3.测试图片。使用demo文件夹下的image_demo.py测试图片。在mmdetection目录下打开终端,进入安装好的open-mmlab虚拟环境下,输入一下命令
conda activate open-mmlab # 进入open-mmlab虚拟环境
python demo/image_demo.py demo/demo.jpg \
configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py \
checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth \
--device cpu
如需使用其他模型,需要更改对应模型的 configs/ 和checkpoints/。mmdetection官网也提供了测试video的代码。
python demo/video_demo.py demo/demo.mp4 \
configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py \
checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth \
--out result.mp4
到这里mmdetection环境以及安装测试完成。
4.使用标准数据集测试模型。
**在mmdetection目录下新建data目录,并将下载的PASCAL VOC数据集放在data目录下。在mmdetection目录下打开终端,进入安装的open-mmlab虚拟环境,输入一下命令。执行下面代码后在faster_rcnn_results文件夹下生成相应的测试数据文件。
python tools/test.py \
configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py \
checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth \
--show-dir faster_rcnn_results