faster rcnn 实现via的自动框人-使用detectron2中faster rcnn将图片中的人检测出来，将坐标导入via(VGG Image Annotator)中，实现自动框选出人的区域

（自学之用）

在文章自定义AVA数据集（二）_退即是进的博客-CSDN博客  中已经将视频以30帧为间隔进行切割，本文通过faster rcnn 将图片中的人框检测出来，最后将检测的结果转化为via可以识别的csv格式。

1  detectron2地址

   地址：mirrors / facebookresearch / detectron2 · GitCode

2 detectron2安装

以下操作都是在AutoDL算力云 | 弹性、好用、省钱。租GPU就上AutoDL 上操作。

我将detectron2安装到/test目录下，所以先进入到此目录：

然后安装：

pip install -U torch torchvision cython
pip install -U 'git+https://github.com/facebookresearch/fvcore.git' 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'
git clone https://github.com/facebookresearch/detectron2 detectron2_repo
pip install -e detectron2_repo

3 faster rcnn 安装

进入到test/detectron2_repo/demo目录下，

 输入命令：

python3 demo.py --config-file ../configs/COCO-Detection/faster_rcnn_R_50_FPN_3x.yaml \
  --input ../img/1.jpg \
  --output ../img/1_1.jpg \
  --opts MODEL.WEIGHTS detectron2://COCO-Detection/faster_rcnn_R_50_FPN_3x/137849458/model_final_280758.pkl

 

4 via的安装及使用

 下载地址：via官网

 

5 faster rcnn 算法导出人类候选框为via格式

 5.1  新建python脚本

在目录/detectron2_repo/demo/下新建一个python脚本，名字为：myvia.py

 

 myvia.py 代码如下：

#Copyright (c) Facebook, Inc. and its affiliates.
import argparse
import glob
import multiprocessing as mp
import os
import tim