Detectron2入门教程-0

最新推荐文章于 2025-04-14 14:42:16 发布

Eason_12138

最新推荐文章于 2025-04-14 14:42:16 发布

阅读量362

点赞数 4

分类专栏： detectron 文章标签：深度学习人工智能 python

本文链接：https://blog.csdn.net/weixin_51555629/article/details/144867259

版权

detectron 专栏收录该内容

1 篇文章

订阅专栏

Detectron2系列教程介绍

由于笔者最近在进行多模态检测任务的时候接触到了Detectron2框架，Detectron2是由Facebook AI Research (FAIR)推出的基于PyTorch的模块化物体检测库，它在2019年10月10日发布，是Detectron的第二代版本。Detectron2完全重写于maskrcnn-benchmark，并采用了PyTorch语言实现，与原版相比，Detectron2具有更灵活和可扩展的设计，可以在单个或多个GPU服务器上快速训练。

由于Detectron2的封装程度较高，语法晦涩难懂，在进行该项目时时常花时间在找对应的模块上，而且缺少通俗易懂的入门教程，官网教程缺乏灵活性，本系列将从Detectron2安装、自定义数据集、自定义网络、验证集损失打印等主题入手，对Detectron2进行手把手入门。

Detectron2安装

官网下载Detectron2

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

创建虚拟环境

conda create -n detectron2 python=3.9

安装detectron2之前需要先安装pytorch，使用nvcc -V查看当前cuda版本后，再pytorch官网上找到合适自己服务器的版本

笔者用的是：

pip install torch==1.10.0+cu111 torchvision==0.11.0+cu111 torchaudio==0.10.0 -f https://download.pytorch.org/whl/torch_stable.html

安装fvcore

pip install fvcore==0.1.1.post20200716

安装pycocotools

pip install pycocotools

切换到detectron2所在文件夹，安装detectron2

pip install -e .

安装opencv

pip install opencv-python

测试安装是否成功

cd demo

python demo.py 
--config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml 
 --input input1.jpg   --output ./result.jpg   
--opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl

如没有报错，则安装成功