ubuntu16(x64)运行detectron（用mask-rcnn做训练图片标定预检测）

detectron是facebook 实验室的深度学习目标检测框架，依赖于caffe2，支持以下模型：

• Mask R-CNN -- Marr Prize at ICCV 2017
• RetinaNet -- Best Student Paper Award at ICCV 2017
• Faster R-CNN
• RPN
• Fast R-CNN
• R-FCN

1）安装见 https://github.com/facebookresearch/Detectron/blob/master/GETTING_STARTED.md

2）运行mask-rcnn:
python2 tools/infer_simple.py \
    --cfg configs/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml \
    --output-dir /tmp/detectron-visualizations \
    --image-ext jpg \
    --wts https://s3-us-west-2.amazonaws.com/detectron/35861858/12_2017_baselines/e2e_mask_rcnn_R-101-FPN_2x.yaml.02_32_51.SgT4y1cO/output/train/coco_2014_train:coco_2014_valminusminival/generalized_rcnn/model_final.pkl \
    demo

 

 

3）个人使用总结：

a）最好联网运行，我直接下载 model_final.pkl，只有retinanet_X-101-32x8d-FPN_2x.yaml 能运行成功。其它都出现运行错误。

联网运行就ok. 联网之后模型文件保存在  /tmp/detectron-download-cache/下面，不会覆盖，ls /tmp/detectron-download-cache/

35861858  36494496  37129812  37698009  37732318  ImageNetPretrained

运行retinanet_X-101-32x8d-FPN_2x.yaml，只要注释到line100,101即可，把离线下载的model_final.pkl 重命名，运行命令如下：

 python2 tools/infer_simple.py --cfg configs/12_2017_baselines/RetinaNet/retinanet_X-101-32x8d-FPN_2x.yaml --output-dir tmp/detectron-visualizations --image-ext jpg --    wts detectron-model/retinanet_X-101-32x8d-FPN_2x-model_final.pkl tmp/2018-4-9-tunnel/

 

 

b) 显示的颜色和label太小，可以改动。在vis.py:

 

　　 检测阈值是thresh, dpi可以加大，显示的字体和目标框会大一些。

 c）我的用法，mask-rcnn比yolo2检测慢，但是检测效果要好很多。当要做图片标签时，先用这个模型预检测：https://s3-us-west-2.amazonaws.com/detectron/36494496/12_2017_baselines/e2e_mask_rcnn_X-101-64x4d-FPN_1x.yaml.07_50_11.fkwVtEvg/output/train/coco_2014_train%3Acoco_2014_valminusminival/generalized_rcnn/model_final.pkl

可以极大减少标定的工作量。 然后给yolo2这种快速检测框架做训练，实现产品化。下图是对一个百度图片的检测效果：

 

d）遗留问题：

运行 e2e_mask_rcnn_X-152-32x8d-FPN-IN5k_1.44x 模型（box mAp高达 48.1）：出现显存不足，我的11G显存都不足。究竟要多大？

caffe2/core/context_gpu.cu:327: out of memory Error from operator

I7+1080Ti上检测时间,模型是 e2e_mask_rcnn_X-101-64x4d-FPN_1x.yaml：

 

参考：

https://caffe2.ai/docs/getting-started.html?platform=ubuntu&configuration=compile

https://github.com/facebookresearch/Detectron/blob/master/GETTING_STARTED.md

转载于:https://www.cnblogs.com/ai-coder1/p/8763002.html