【目标检测】MMDetection常用指令_mmdetection目标检测-优快云博客

本文链接：https://blog.youkuaiyun.com/ericdiii/article/details/125722277

该博客详细介绍了如何安装和使用MMDetection框架，包括安装mmcv和mmdet，模型训练，多GPU训练，模型测试，图片和视频的推理，以及计算网络参数量和FPS。提供了代码示例来演示每个步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 安装

安装mmcv

pip install -U openmim
mim install mmcv-full

安装mmdet

pip install mmdet

2. 编译

python setup.py install

3. 模型训练

单显卡：

python tools/train.py config.py

多显卡（例如双GPUs）：

bash ./tools/dist_train.sh configs.py  2

4. 模型测试

python tools/test.py configs.py weights.pth --eval bbox

5. 推理

图片

python demo/image_demo.py demo/demo.jpg configs.py weights.pth

可以通过高层接口（保存推理结果）：

from mmdet.apis import init_detector, inference_detector
import mmcv

# 指定模型的配置文件和 checkpoint 文件路径
config_file = 'configs/faster_rcnn/faster_rcnn_r50_fpn_1x_coco.py'
checkpoint_file = 'checkpoints/faster_rcnn_r50_fpn_1x_coco_20200130-047c8118.pth'

# 根据配置文件和 checkpoint 文件构建模型
model = init_detector(config_file, checkpoint_file, device='cuda:0')

# 测试单张图片并展示结果
img = 'test.jpg'  # 或者 img = mmcv.imread(img)，这样图片仅会被读一次
result = inference_detector(model, img)
# 在一个新的窗口中将结果可视化
model.show_result(img, result)
# 或者将可视化结果保存为图片
model.show_result(img, result, out_file='result.jpg')

# 测试视频并展示结果
video = mmcv.VideoReader('video.mp4')
for frame in video:
    result = inference_detector(model, frame)
    model.show_result(frame, result, wait_time=1)

视频

python demo/video_demo.py demo/demo.mp4 config.py checkpoints.pth --out result.mp4

6. 计算网络参数量

python tools/analysis_tools/get_flops.py config.py

7. FPS计算

python tools/analysis_tools/benchmark.py config.py --checkpoint weights.pth

例如

python -m torch.distributed.launch --nproc_per_node=1 --master_port=29500  tools/analysis_tools/benchmark.py config.py --checkpoint weights.pth --launcher pytorch

参考：[1]