mmdetection最新版食用教程(一):安装并运行demo及开始训练coco

网友投稿 341 2022-08-22

mmdetection最新版食用教程(一):安装并运行demo及开始训练coco

文章目录

​​前言​​​​1、本地环境​​​​2、安装​​

​​2.1.步骤​​​​2.2.运行demo​​

​​3、FasterRcnn训练coco2017数据集​​

​​3.1.训练集准备​​​​3.2.训练及测试Faster RCNN​​

​​总结​​​​参考资料​​

前言

两个月没碰mmdetection了,今天突然发现更新迭代了好几版了,于是重新安装体验了下,发现安装及使用越来越方便了。故打算重新更新几篇mmdet的博文。  本文介绍最新的mmdet = 2.25.1版本的安装及demo及运行coco数据集训练。

1、本地环境

显卡 = 3090 CUDA=11.3 pytorch == 1.7.1 torchvision == 0.8.2openmim == 0.2.0 mmcv-full == 1.6.1 mmdetection == 2.25.1

大家可以首先配置好pytorch和torchvision的虚拟环境。mmcv现在依靠openmim安装及运行。 当然open-mmlab系列的所有库均可使用open-mim直接安装,但本文站在开发角度,所以mmdet使用开发者模式安装。

2、安装

2.1.步骤

step 1:创建虚拟环境 conda create --name openmmlab python=3.7 -y conda activate openmmlab step 2:安装所需的pytorch和torchvision

在激活虚拟环境后,便可安装 mim 及 mmcv,其中mim会自动下载对应torch版本的mmcv,省事了不少。

pip install -U openmim mim install mmcv-full

非常简单。之后便可安装mmdet:

git clone cd mmdetection pip install -v -e .

编译成功后打印下我的pip list:

2.2.运行demo

新版的mmdet也用mim提供了一个简单易用的验证程序。废话不多说,上代码:

# step 1:首先cd进入mmdetection目录:cd mmdetection# step 2: 利用mim下载YOLOv3训练好的权重及config文件# 执行完后会在mmdetection目录下出现一个 权重文件和配置文件mim download mmdet --config yolov3_mobilenetv2_320_300e_coco --dest .# step 3: 运行demopython demo/image_demo.py demo/demo.jpg yolov3_mobilenetv2_320_300e_coco.py yolov3_mobilenetv2_320_300e_coco_20210719_215349-d18dff72.pth --device cpu --out-file result.jpg

运行完代码后,会在mmdetection目录下出现一张result.jpg的图像:

如果出现上述图像,说明安装成功了。

3、FasterRcnn训练coco2017数据集

3.1.训练集准备

首先下载个coco数据集,如果下载比较费劲,欢迎跳转我​​旧版mmdet安装教程​​,里面提供了一个voc版转coco数据集的教程,方便大家训练。以下是个文件树,按照以下格式准备自己数据集。

mmdetection ├── mmdet ├── tools ├── configs ├── data │ ├── coco │ │ ├── annotations │ │ ├── train2017 │ │ ├── val2017 │ │ ├── test2017

3.2.训练及测试Faster RCNN

训练命令:

python tools/train.py configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py

训练效果图:

测试命令:官方github提供了多种测试命令,具体可见参考链接:

python tools/test.py \ configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py \ checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth \ --show-dir

总结

mmdetection的安装更加人性化了,但mmdetection的整体架构没有变,因此,该系列文章会更加详细介绍mmdetection的架构流程以及检测论文代码解读等,敬请期待。若有问题欢迎+vx:wulele2541612007,加群一起交流学习。

参考资料

1、​​mmdetection的install文档​​​

2、​​mmdetection的测试文档​​

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:python csv、json、pickle数据持久化(python的析构方法是)
下一篇:自动化测试-XPath元素定位
相关文章

 发表评论

暂时没有评论,来抢沙发吧~