使用 Detectron2 中的 Mask-RCNN model 并使用预训练好的模型 进行 inference 并提取建筑物轮廓

  鸽了好久，好久没写文章了，主要是一个技术难题，刚入手确实比较困难，所以一直在调试（打游戏），终于在 Colab 上把 RGB 三通道的图像的建筑物轮廓给跑出来了。先看一组效果图吧！

原图

推理图

轮廓图

卡脖子的难点

  在使用的时候遇到了好多问题，而最关键的还是自己没有仔细看官方的 tutorial 中有两行很小的注释，推理的时候 cfg 需要使用和训练时候一样的参数，并添加额外的参数。所以一直报错。

# Inference should use the config with parameters that are used in training
# cfg now already contains everything we've set previously. We changed it a little bit for inference:

情况是什么呢？就是如果电脑重新启动了或者变量消失了，如果直接用官方 tutorial 中的 inference 代码，发现加载权重还是会错误，要么出现随意乱框的 box ，要么找不到某一个字段，错误是 Cannot find field "pred_masks" in the given Instances!。因为没有加载原来训练时候的 cfg 预设的参数！

流程

  本来不想再贴一次代码的，但是为了完整性就慢慢贴吧，也可以看后面录的视频！

# install dependencies: (use cu101 because colab has CUDA 10.1)
!pip install -U torch==1.5 torchvision==0.6 -f https://download.pytorch.org/whl/cu101/torch_stable.html 
!pi