细致讲解！— 基于Detectron2的AdelaiDet工具包的使用（1）

---

平台的选择：极链AI云

优势特点：与很多平台不同，按小时计费；服务器GPU类型多样，选择多，数量多；有短期的暑期优惠和长期的学生优惠可以选择，非常的实惠！！！

贴一个极链AI云的官网：https://cloud.videojj.com

---

本文引用的github相关

AdelaiDet toolkit 地址：点这里跳转AdelaiDet
Detectron2 地址：点这里跳转Detectron2

机器环境选择

一定要：
python = 3.8; pytorch = 1.8; cuda = 11.1！！！！！
python = 3.8; pytorch = 1.8; cuda = 11.1！！！！！
python = 3.8; pytorch = 1.8; cuda = 11.1！！！！！

---

Detectron2官方使用文档给出的Requirements(随便贴一下，实践中建议参照上文的配置，低版本会有很多奇怪bug)：

---

安装配置Detectron2

cd root # 在root文件夹下执行，可以选择自己想要执行的文件夹位置。
git clone https://github.com/facebookresearch/detectron2.git
pip install -e detectron2

---

验证Detectron2部署安装

利用filezilla传输文件，点击这里跳转极链AI云平台的filezilla使用文档
传入demo/input 想要测试的图片，注意文件夹路径，如果需要改变文件名和路径名，在demo语句中也需要改变。
运行：

python demo.py --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input input/*.jpg --output output --opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl

---

安装配置 AdelaiDet 工具包:

运行以下命令执行安装：

git clone https://github.com/aim-uofa/AdelaiDet.git
cd AdelaiDet
python setup.py build develop

---

测试使用 AdelaiDet：

运行下列代码，先下载预训练权重模型，然后运行demo下的demo.py，需要传入–input后的文件，和指定输出地址。

wget https://cloudstor.aarnet.edu.au/plus/s/glqFc13cCoEyHYy/download -O fcos_R_50_1x.pth

python demo/demo.py --config-file configs/FCOS-Detection/R_50_1x.yaml --input 1.jpg --output output --opts MODEL.WEIGHTS fcos_R_50_1x.pth

---

测试Demo结果

由于使用的是FCOS去进行Demo测试，测试结果效果也较好。

---

原图1：

---

Demo运行后效果1：

---

原图2：

---

Demo运行效果2：

---

小结

整体的运行配置还算简单流畅，极链AI云平台帮忙节省了显卡配置和环境的搭建，相对来说较为方便，demo的效果也十分惊艳。