zhuguiqin1的专栏

在阅读Detectron2的源代码是发现，代码中对模型的配置大量使用了yacs这个模块。yacs是一个python库，用于为一个系统构建config文件安装$ pip install yacs导入from yacs.config import CfgNode as CN使用创建配置节点需要创建CN()这个作为容器来装载我们的参数，这个容器可以嵌套from yacs.config import CfgNode as CN__C = CN()__C.name = 'test'__C.

从 Yacs Config 构建模型从 yacs 配置对象，模型（及其子模型）可以通过 build_model、build_backbone、build_roi_heads 等函数构建：from detectron2.modeling import build_modelmodel = build_model(cfg) # returns a torch.nn.Modulebuild_model 只构建模型结构并用随机参数填充它。有关如何将现有checkpoint 加载到模型以及如何使用模型对象

本文主要介绍数据集 API（DatasetCatalog、MetadataCatalog）如何工作，以及如何使用它们来添加自定义数据集。如果你想使用自定义数据集，同时重用detectron2的数据加载器，你需要：注册您的数据集（即，告诉detectron2 如何获取您的数据集）（可选）为您的数据集注册元数据。为了让detectron2知道如何获取名为“my_dataset”的数据集，用户需要实现一个函数，这个函数用来返回下文中讲到的数据集的字典列表，然后告诉detectron2这个函数：def

本文简要介绍detectron2中内置命令行工具的使用预训练模型的推理演示从Model Zoon里面选择一个模型以及配置文件，例如mask_rcnn_R_50_FPN_3x.yaml运行这个命令python demo.py --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml --input jiejin.jpg --opts MODEL.WEIGHTS detectron2://COCO-Inst