Ubuntu 18.04 成功跑通 Detectron2 SOLOV2 demo（详细）

由于项目需要，刚刚接触 instance segmentation。经过论文的研读，就先把目标放在了SOLO V2上面，一开始安装的是mmdet版本的solo v2。但是奈何bug太多所以先转到了detectron2版本的。

SOLO V2(mmdet)    https://github.com/WXinlong/SOLO

SOLO V2(detectron2)     https://github.com/aim-uofa/AdelaiDet

 

我所连接的是学校配备的服务器，系统是Ubuntu18.04。首先conda是必须的（有时候conda是真的装不上东西不知道为何）。GCC 7.5。CUDA版本预设的是11.1，但是这个版本安装全部失败了，所以经过各种失败（不是管理员真的难受），最终成功地转到了CUDA10.1 update2的版本。一下是我进行配置Detectron2的全（bug）过程。中途遇到了一些module的版本错误，当然以下过程是对bug进行解决之后的。

 

conda create -n d2 python=3.7.3

conda activate d2

 

pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

pip install 'git+https://github.com/cocodataset/cocoapi.git#subdirectory=PythonAPI'

在安装完cocoapi之后，通过进入python来进行测试是否安装成功。

首先对detectron2的环境进行编译：

conda install opencv

pip install fvcore==0.1.5.post20210415

pip install omegaconf==2.1.0.rc1

pip install importlib

git clone https://github.com/facebookresearch/detectron2.git

cd detectron2

python setup.py build develop

在编译成功之后，运行demo提示我 detectron2 0.4 需要pycocotools>=2.0.2. 所以我对此进行重新安装

pip install pycocotools==2.0.2

在这之后我并没有对整个的环境进行重新编译。

首先对demo实例中所需要的数据集进行下载（其他数据集可以在model ZOO中进行查找）：

wget https://dl.fbaipublicfiles.com/detectron2/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl

把下载好的model放到 新建的model文件夹中。另外新建立test_img文件夹作为测试图片的文件夹。result作为输出结果的文件夹。

python demo/demo.py --config-file configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input test_img/111.jpg --output result --opts MODEL.WEIGHTS model/model_final_f10217.pkl

 

在成功安装detectron2框架之后，我们在当前detectron2文件夹下进行AdelaiDet的安装：

git clone https://github.com/aim-uofa/AdelaiDet.git

cd AdelaiDet

python setup.py build develop

如果detectron2安装成功的话，后面的AdelaiDet基本不会出错，在等一段较长地安装时间过后就会提示安装成功。让我们再使用刚才进行测试的图片，来跑SOLOV2的model.

首先对SOLOv2_R50_3x.pth进行下载，并放置于AdelaiDet下新建的model文件夹中。其余的文件夹的创建跟detectron2的一样。

SOLOV2 model下载链接：

https://cloudstor.aarnet.edu.au/plus/s/chF3VKQT4RDoEqC/download

python demo/demo.py --config-file configs/SOLOv2/R50_3x.yaml --input test_img/111.jpg --output result --opts MODEL.WEIGHTS model/SOLOv2_R50_3x.pth

demo运行成功后的结果图：

之后对于数据集训练的测试过程也会再之后放上来。