关于detectron2,我就不用介绍了,毕竟出自大厂巨作,官网介绍使用8块V100?gpu跑了2个月才完成,包含许多CV界的方向。具体功能请去官网上学习。
首先介绍一下我的环境:
ubuntu 18.04
cuda 10.1
nvidia driver 440-64
pytorch(1.4)
环境介绍完,下面是如何成功运行demo.
这里我直接跳过detectron2安装之前的步骤(PS在ubuntu上前面步骤是真的简单,读者自行百度即可)。下面聊聊重点。
执行下面代码,将detectron2克隆到本地
git clone git@github.com:facebookresearch/detectron2.git
cd detectron2
python setup.py build develop
这里在编译时要查看下gcc版本(如果是18.04无需查看,)编译完成后,可以看到一个demo文件夹。这里需要打开demo.py。确定导入文件存在,安装包已经安装好。
剩下的就是去百度一张图片(建议物体多的图片,效果更好)。这里我对官方中quick start 中的文件进行解释一下。(运行过darknet得就按照darknet的模式在命令窗口写start代码,注意使用绝对路径不容易报错)
之前没项目经历的仔细看。
cd demo/
python demo.py --config-file …/configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml
–input input1.jpg input2.jpg
–opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl
这里–config-file 本地文件包含的,这里我不建议在–前加 \ 。直接用空格代替就好。opts MODEL.WEIGHTS为weight文件,需要自行下载,地址在https://github.com/facebookresearch/detectron2/blob/master/MODEL_ZOO.md这里,记住与上面的yaml文件对应好。这里给个demo作为结束。
python (绝对地址)+demo.py (空格) --config-file …/configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml (空格) --input input1.jpg --output + (保存结果的地址) (空格) --opts MODEL.WEIGHTS (从上面下载的文件(.pkl)所在的绝对路径)
最后附上我自己的demo测试结果。
本人用的是fast -rcnn_50_3.x