detectron2的简介和配置

最新推荐文章于 2025-02-24 09:51:40 发布

蜗牛1515

最新推荐文章于 2025-02-24 09:51:40 发布

阅读量2.9w

点赞数 20

分类专栏： detectron2 文章标签：深度学习

本文链接：https://blog.youkuaiyun.com/d948142375/article/details/116749084

版权

本文介绍了detectron2，Facebook AI Research的深度学习框架，包括其集成的先进目标检测和分割算法，如faster-RCNN、mask-RCNN等。提供了详细的detectron2配置指南，包括在Ubuntu和conda环境下的设置步骤，涉及python、pytorch版本、cuda、cudnn的匹配安装，以及opencv的配置。此外，还讨论了配置过程中可能遇到的问题和解决方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

detectron2的简介和配置

前言：距离上一篇博客过了两年，几近放弃DL和RL这非常有趣的领域，近日重拾DL，在摸索中打算整理一下深度学习框架，争取做到“探索”和“利用“相统一hhh，还是要紧跟潮流啊。因为重装了一遍服务器并且更新了显卡驱动，很多基础的库需要重新安装。

下一篇博客detectron2的结构介绍及代码实现_d948142375的博客-优快云博客介绍了DET2的关键代码，并贴了我的代码，实现了“客制化数据集注册-训练-测试”的流程，没写训练中进行评估，若有错欢迎指出。

如果小伙伴们踩到了新坑或者我写错了的地方，欢迎提出，谢谢。

detectron2简介（以下简称DET2）

detectron2是facebook AI research（FAIR）重构detectron的深度学习框架，是2020年最火的深度学习框架（另外还有mmdetection，simpledet，目标检测三大开源神器：Detectron2/mmDetection/SimpleDet - 知乎 (zhihu.com))。detectron2从基于caffe重构为完全基于pytorch，集成了先进的目标检测和语义分割算法，并有一大批预训练好的模型，即插即用十分方便，包含：

1. faster-RCNN (pytorch版的faster-RCNN是端到端实现的，而不是论文中提到的交替训练)，这里我没有看源码，不过应该是把RPN和fast-RCNN实现联合训练的优化之后的版本。——目标检测，COCO数据集预训练

2. retina-net——目标检测，COCO

3. RPN+fast-RCNN——目标检测，COCO

4. mask-RCNN——实例分割，COCO，LVIS

5. keypoint-RCNN——姿态检测，COCO

6. panoptic-FPN——全景分割，COCO

7. 其它

全部模型地址：detectron2/model_zoo.py at master · facebookresearch/detectron2 · GitHub

其中，预训练模型(weights)、超参数(config)均可从该项目的model_zoo下载。

支持docker。

框架或模型若用于研究，请加上FAIR的标签：

@misc{wu2019detectron2,
  author =       {Yuxin Wu and Alexander Kirillov and Francisco Massa and
                  Wan-Yen Lo and Ross Girshick},
  title =        {Detectron2},
  howpublished = {\url{https://github.com/facebookresearch/detectron2}},
  year =         {2019}
}