alex1801

首先，需要安装vs2015或vs2017。windows上编译pycocotools出现错误：c1: fatal error C1083: 无法打开源文件: “pycocotools/_mask.c”: No such file or directoryerror: command 'C:\\Program Files (x86)\\Microsoft VisualStudio\\2017\\Community\\VC\\Tools\\MSVC\\14.16.27023\\bin\\HostX

1、配置文件Detectron2提供了一个基于键值的配置系统，该系统可用于获取标准的常见行为。Detectron2的配置系统使用YAML和yacs。除了访问和更新配置的基本操作外，我们还提供以下额外功能： 该配置可以具有字段，该字段将首先加载基本配置。如果存在任何冲突，则基本配置中的值将在子配置中被覆盖。我们为标准模型架构提供了一些基本配置。_BASE_:base.yaml 我们提供配置版本控制，以实现向后兼容。如果您的配置文件使用config行这样的版本进行版本控制，即使将来我们更

1、使用模型在detectron2模型（及其子模型）是由功能，如内置build_model，build_backbone，build_roi_heads：from detectron2.modeling import build_modelmodel = build_model(cfg) # returns a torch.nn.Modulebuild_model仅建立模型结构并用随机参数填充它。有关如何将现有检查点加载到模型以及如何使用model对象的信息，请参见下文。1.1、加载/

1、使用自定义数据集数据集中列出了detectron2中内置支持的数据集。如果要使用自定义数据集，同时还重复使用detectron2的数据加载器，则需要：1）注册您的数据集（即，告诉detectron2如何获取您的数据集）。2）（可选）为您的数据集注册元数据。接下来，我们详细解释以上两个概念。该Colab教程 对如何对自定义格式的数据集注册和训练标准数据集。1.1、注册数据集为了让detectron2知道如何获取名为“ my_dataset”的数据集，您将实现一个函数，该函数返回数据

detectron2系列文章总目录，持续更新中...1、配置安装1、coco数据集下载格式解析2、win10下detectron2环境配置3、windows10离线安装pycocotools4、detectron2代码运行及数据集配置

1、coco数据集下载2014年数据集的下载：http://images.cocodataset.org/zips/train2014.ziphttp://images.cocodataset.org/annotations/annotations_trainval2014.ziphttp://images.cocodataset.org/zips/val2014.ziphttp://images.cocodataset.org/annotations/image_info_val201

代码下载自2020-06-17更新代码。若代码结构不一致变化较大时，可对代码回滚至当前版本：git reset --hard ae931b41、系统环境：win10、vs2017、cuda10.1、pytorch1.4、torchvision0.5。2、配置conda虚拟环境conda create --n detectron2 python=3.6conda activate detectron2conda install pytorch=1.4 torchvisi.

Windows10在线安装pycocotools比较慢，采用离线下载方式安装。1. 从 https://github.com/pdollar/coco.git 这个网址下载源码（直接把压缩包下下来）或百度云链接：https://pan.baidu.com/s/1MHCJj2USXQAIzN0pFTKyyA提取码：t1qd，解压到本地。2. 进入cocoapi-master/PythonAPI文件夹，在此处打开Powershell窗口（shift+鼠标右键，就能看到了），运行命令：pyt.

1、Detectron2入门本文档简要介绍了detectron2中内置命令行工具的用法。1.1、预训练模型的推理step1：从模型Zoo中选择一个模型及其配置文件 ，例如：mask_rcnn_R_50_FPN_3x.yamlstep2：我们提供demo.py能够运行内置标准模型的工具。使用以下命令运行它：cd demo/python demo.py --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50