PointRend 论文源码detetron2 安装及测试

安装anaconda

 

1 创建虚拟环境并激活：

conda create -n mask python=3.6

conda activate mask

 

2 安装pytorch 和torchvision

目前最新版本即为1.4.0，所以直接安装

pytthon -m pip install torch torchvision

 

3 安装pycocotools:

pip install cython; pip install -U / 'git+https://gitee.com/cubone/cocoapi.git#subdirectory=PythonAPI'

国内源，下载速度更快

 

4 升级gcc到5.0以上（如果gcc已经不低于此版本，可以路过）

查看gcc版本：gcc --version

centos升级流程：

https://blog.youkuaiyun.com/yimingfei/article/details/105535894

 

5 安装detectron2

python -m pip install 'git+https://gitee.com/junfengchen2016/facebookresearch_detectron2.git'

或者

git clone https://gitee.com/junfengchen2016/facebookresearch_detectron2.git

cd detectron2 && python -m pip install -e .

国内源，下载速度快。我选择了第二种

 

6 安装Pre-Built Detectron2

# for CUDA 10.1:

python -m pip install detectron2 -f https://dl.fbaipublicfiles.com/detectron2/wheels/cu101/index.html

我cuda 版本是10.1,直接运行此命令。

查看cuda版本命令：

cat /usr/local/cuda/version.txt

其它版本或cpu，则最后网页更改为：

cuda10.0 https://dl.fbaipublicfiles.com/detectron2/wheels/cu100/index.html

cuda9.2 https://dl.fbaipublicfiles.com/detectron2/wheels/cu92/index.html

cpu https://dl.fbaipublicfiles.com/detectron2/wheels/cpu/index.html

 

安装完成

 

 

测试：

cd demo

cd demo/python demo.py --config-file ../configs/COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x.yaml \  --input input1.jpg input2.jpg \ --output output --opts MODEL.WEIGHTS detectron2://COCO-InstanceSegmentation/mask_rcnn_R_50_FPN_3x/137849600/model_final_f10217.pkl

其中，测试图片需要自己指定，输出路径要先创建，权重文件如没有会自动下载