配置facebook的maskrcnn-benchmark

本文提供Mask R-CNN基准项目的详细安装步骤,强调在Anaconda虚拟环境下使用pip安装PyTorch的重要性,避免pytorch1.1版本的兼容性问题,并解决COCO数据集JSON文件路径问题。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

repo:https://github.com/facebookresearch/maskrcnn-benchmark

安装:https://github.com/facebookresearch/maskrcnn-benchmark/blob/master/INSTALL.md

 

可以按照这个教程安装,不过需要注意几点问题:

1)一定要使用anaconda的虚拟环境

2)一定要先安装Ipython

3)不能按照教程那样使用conda安装pytorch,因为现在使用conda安装 pytorch已经是pytorch1.1的版本,此时的model_zoo的函数已经修改了,下面这三行会报错。因此使用pip安装,pip install torch==1.0.0 torchvision

from torch.utils.model_zoo import _download_url_to_file
from torch.utils.model_zoo import urlparse
from torch.utils.model_zoo import HASH_REGEX

4)因为pycharm路径的原因,所以导致测试coco数据集的时候会找不到json文件,因此,解决办法是,指定全路径

在paths_catalog.py里面,修改DATA_DIR变量

 

 

### 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。 创建一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一些问题;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一(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