maskrcnn-benchmark-master(一):配置文件

目录

前言

一、配置文件

二、配置文件的使用


前言

作为本系列的开篇,我首先介绍的是配置文件部分,因为整个模型的搭建都和配置文件有很大的关系,所以我们先来了解一下配置文件里面都有啥相关参数配置。

一、配置文件

maskrcnn-benckmark-master是提供有默认的配置的,见文件:your_project/maskrcnn_benckmark/config/defaults.py

import os
# 通过yacs包来生成的默认配置
from yacs.config import CfgNode as CN


_C = CN()

_C.MODEL = CN()
# 表示是否只有RPN
_C.MODEL.RPN_ONLY = False
# 表示是否含有Mask分支
_C.MODEL.MASK_ON = False
_C.MODEL.RETINANET_ON = False
_C.MODEL.KEYPOINT_ON = False
# 表示是否使用GPU
_C.MODEL.DEVICE = "cuda"
# 默认的网络框架
_C.MODEL.META_ARCHITECTURE = "GeneralizedRCNN"
_C.MODEL.CLS_AGNOSTIC_BBOX_REG = False


...
...

那如果我们需要修改相关配置,难道需要在这个defaults.py文件中进行修改吗?

NO! NO! NO!

我们其实只要把需要修改的配置写在一个带.yaml后缀的文件中,从而通过这个文件来修改默认的配置,见文件your_project/configs/e2e_mask_rcnn_R_50

### 安装和配置 maskrcnn-benchmark 主项目 #### 准备环境 为了在 Windows 系统上顺利安装和运行 `maskrcnn-benchmark`,需要先准备好开发环境。推荐使用 Anaconda 或 Miniconda 来管理 Python 和依赖项。 创建个新的虚拟环境并激活它: ```bash conda create -n maskrcnn python=3.7 conda activate maskrcnn ``` 安装必要的库文件,例如 PyTorch 及其对应的 CUDA 版本(如果硬件支持 GPU 加速)。可以通过以下命令完成安装: ```bash conda install pytorch torchvision cudatoolkit=10.2 -c pytorch ``` 注意:CUDA 的版本应与显卡驱动兼容[^4]。 #### 下载源码 克隆官方仓库到本地机器: ```bash git clone https://github.com/facebookresearch/maskrcnn-benchmark.git cd maskrcnn-benchmark ``` #### 编译扩展模块 进入项目的根目录后,编译 C++ 扩展部分以加速性能表现: ```bash pip install -r requirements.txt python setup.py build develop ``` 此过程可能会因系统差异而遇到些问题;可以参考文档解决特定错误信息[^1]。 #### 配置参数调整 针对自定义数据集训练时需修改默认设置。打开路径下的配置文件进行编辑: - 调整批量大小 `_C.SOLVER.IMS_PER_BATCH` 至较小数值以防内存不足; - 设置进程数量为单线程模式减少资源占用; - 修改目标检测类别的总数至实际需求值加(背景类别),即当有六个独立标签时设成七][^[^23]。 #### 测试验证 最后通过预训练权重加载执行推理操作来确认整个框架搭建无误: ```python from predictor import COCOdemo import cv2 config_file = "./configs/e2e_mask_rcnn_R_50_FPN_1x.yaml" weights_file = "/path/to/model_final.pth" img_path = 'example.jpg' image = cv2.imread(img_path) model = COCOdemo( config_file=config_file, confidence_threshold=0.7, show_mask_heatmaps=False, masks_per_dim=2, min_image_size=800, ) composite = model.run_on_opencv_image(image) cv2.imshow('Prediction', composite[:, :, ::-1]) cv2.waitKey(0) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值